作者 | 李水青
编辑 | 心缘
智东西5月9日报道，昨日晚间，谷歌推出革命性的模型AlphaFold 3，登上国际顶刊《自然》（Nature）杂志。
AlphaFold 3能够预测所有生命分子的结构和相互作用。在预测蛋白质与其他分子的相互作用上，AlphaFold 3相比现有方法至少提高了50%的准确率，针对一部分相互作用类别甚至提高了1倍。
这使得AlphaFold 3成为首个超越基于真实生物分子结构预测工具的AI系统。
值得一提的是，AlphaFold3采用了扩散模型（Diffusion model），直接生成每个原子的3D坐标。这一机器学习网络也被Midjourney等图像生成式AI所使用。“这是一个巨大的转变。”负责AlphaFold开发的约翰·江珀（John Jumper）说。
如下图所示，AlphaFold 3能对感冒病毒刺突蛋白（蓝色）与抗体（绿松石色）和单糖（黄色）相互作用时的结构预测，与真实结构准确匹配（灰色的），这一研究有助于更好地了解包括COVID-19在内的冠状病毒，从而提高改进治疗的可能性。
伦敦弗朗西斯·克里克研究所的生物化学家弗兰克·乌尔曼（Frank Uhlmann）评价AlphaFold3说：“这简直是一场革命，这将推动结构生物学研究的普及化。”
谷歌还新推出了一种便捷研究工具AlphaFold Server，支持科学家免费调用AlphaFold 3大部分功能，但目前仅限于进行非商业用途。
为了发挥AlphaFold 3在药物设计方面的潜力，谷歌旗下的AI药物研发公司Isomorphic Labs已经与制药公司展开合作，通过药物设计为患者带来改新疗法。
AlphaFold 3是基于其2020年推出的AlphaFold 2研发而来。至今，全球已有数百万研究人员使用AlphaFold 2在疟疾疫苗、癌症治疗和酶设计等领域取得了重要发现，AlphaFold已被引用超过2万次。
AlphaFold 3不仅限于蛋白质，将探索更广泛的生物分子。这一飞跃可能影响从开发生物可再生材料和更具弹性的作物，到加速药物设计和基因组学研究，带来生物科学研究的变革。
论文地址：https://www.nature.com/articles/s41586-024-07487-w
AlphaFold Server地址：https://golgi.sandbox.Google.com/about
一、引入扩散模型生成预测结果，揭示生命分子结构
当你给AlphaFold 3一个分子的输入列表时，它会生成这些分子的联合3D结构，告诉你它们是如何组合在一起的。
它不仅能模拟像蛋白质、DNA和RNA这样的大生物分子，还能模拟小分子（也叫配体），这类分子包括许多药物。更厉害的是，AlphaFold 3还能模拟这些分子的化学修饰，这些修饰控制着细胞的健康功能，一旦受损，就会导致疾病。
AlphaFold 3之所以如此强大，得益于其下一代架构和训练方式，现在它已经可以模拟所有生命分子了。这个模型的核心是谷歌Evoformer模块的改进版，这是一个深度学习架构，让AlphaFold 2有了惊人的性能。
在处理输入后，AlphaFold 3会使用扩散网络来处理预测结果，这种方式跟AI图像生成器中的网络类似。扩散过程从原子云开始，经过多个步骤逐渐汇聚成最终的、准确的分子结构。
作为一个能够整体计算整个分子复合物的单一模型，AlphaFold 3在预测分子相互作用方面的准确性超过了所有现有系统。
下图为7R6R-DNA结合蛋白，这是AlphaFold 3对分子复合物的预测，其特征是蛋白质（蓝色）与DNA双螺旋（粉色）结合，与通过艰苦实验发现的真实分子结构（灰色）近乎完美匹配。
二、助力领先药物发现，预测准确率提高50%
AlphaFold 3具备强大的药物设计能力，可以预测药物中常用的分子，如配体和抗体。这些分子与蛋白质结合，能改变它们在人类健康和疾病中的相互作用方式。
在预测药物相互作用方面，相比PoseBusters基准测试中最好的传统方法，AlphaFold 3的准确率提高了50%，而且无需输入任何结构信息。这使得AlphaFold 3成为首个超越基于真实生物分子结构预测工具的AI系统。
伦敦弗朗西斯·克里克研究所的生物化学家弗兰克·乌尔曼（Frank Uhlmann）评价AlphaFold3：“这简直是一场革命，这将推动结构生物学研究的普及化。”
乌尔曼的团队使用AlphaFold3来预测参与复制基因组的DNA相互作用蛋白的结构，他表示这比他在研究所里使用的AlphaFold2版本更为简单和快捷。“你只需上传数据，10分钟后就能得到结构。”
自从AlphaFold2在2020年发布以来，被许多科学家认为对生物领域带来了革命性影响。AlphaFold数据库免费提供，AlphaFold2的代码也是开放的，不少研究者利用这一工具预测了多种蛋白质之间的相互作用。
但负责AlphaFold开发的约翰·江珀（John Jumper）认为，AlphaFold无法预测蛋白质生态系统中其他重要方面的现状，这有些遗憾。比如，蛋白质的修饰（如添加磷酸盐分子）能让细胞对外部信号（如感染）做出反应，并触发一系列后果。同时，与DNA、RNA和其他化学物质的相互作用对于许多蛋白质的功能也至关重要。
江珀认为，理想的工具应该能够预测蛋白质及其他分子的整体结构，AlphaFold 3应运而生。
Isomorphic Labs正将AlphaFold 3与一系列内部AI模型相结合，聚焦内部项目以及与制药合作伙伴共同进行药物设计。通过AlphaFold 3，Isomorphic Labs正在加速并提高药物设计的成功率，攻克此前无法治愈的疾病。
三、免费提供分子预测服务，开放2亿蛋白质结构数据库
谷歌DeepMind新推出的了AlphaFold Server，这是一个预测蛋白质如何与细胞中其他分子相互作用的精准工具。同时这是一个免费平台，全球科学家均可用于非商业研究。
生物学家只需简单几步操作，就能利用AlphaFold 3的强大功能模拟由蛋白质、DNA、RNA以及多种配体、离子和化学修饰组成的结构。
AlphaFold Server中包括谷歌免费提供的包含2亿个蛋白质结构的数据库，它将助力科学家提出新假设并在实验室验证，大大加快工作流程。无论研究人员是否具备计算资源或机器学习知识，这一平台都能轻松生成预测。
过去，实验性蛋白质结构预测可能需要耗费一个博士研究生的全部时间，并花费数十万美元。而谷歌之前的模型AlphaFold 2已经预测了数亿个结构，按照当前实验结构生物学的速度，这需要花费数亿年的研究时间。
结语：预测所有生命分子，开启AI细胞生物学新大门
谷歌新推出的AlphaFold 3为我们呈现了一个高清的生物世界，它让科学家能够洞悉细胞系统的所有复杂性、结构、相互作用和修饰，从而帮助我们理解这些联系如何影响生物功能，如药物的作用、激素的产生以及DNA修复等健康保护过程。
AlphaFold 3和免费的AlphaFold Server有望通过助力科学家加速发现生物学中的未解之谜和开拓新的研究领域，与此同时，为了避免技术的潜在风险，谷歌应与社会组织广泛合作并评估技术的影响，负责任地分享AlphaFold 3的力量。
来源：谷歌、Nature
