编辑| 萝卜皮
自2021 年发布强大的AlphaFold2 以来，科学家们一直在使用蛋白质结构预测模型 来绘制细胞内各种蛋白质结构的图谱、发现药物，并绘制每种已知蛋白质相互作用的「宇宙图」。
就在刚刚，Google DeepMind 发布了AlphaFold3 模型，该模型能够对包括蛋白质、核酸、小分子、离子和修饰残基 在内的复合物 进行联合结构预测。
AlphaFold3 的准确性对比过去许多专用工具（蛋白质-配体相互作用、蛋白质-核酸相互作用、抗体-抗原预测）有显着提高。这表明，在单个统一的深度学习框架内，可以实现跨 生物分子 空间的高精度建模。
同时，该团队新推出了 AlphaFold Server，一种易于使用的研究工具，可以免费访问 AlphaFold3 的大部分功能。
伦敦弗朗西斯·克里克研究所的生物化学家 Frank Uhlmann 很早就接触到了 AlphaFold3，他对其功能印象深刻。 「这简直是革命性的。」他说，「这将使结构生物学研究大众化。」
该研究以「Accurate structure prediction of biomolecular interactions with AlphaFold 3」为题，于2024 年5月8 日发布在《Nature》。
1.
细胞内分子机器：细胞内包含数十亿个由蛋白质、核酸和糖类组成的分子机器。这些机器共同作用，生命过程得以顺利进行。
-
AlphaFold3 的革命：Google DeepMind 推出 AlphaFold3，可预测所有生命分子的结构和相互作用，其预测精度达到前所未有的水平。
-
与其他分子类型的相互作用：与现有方法相比，AlphaFold3 在蛋白质与其他分子类型相互作用的预测上至少提升了50% 的准确度，某些类别甚至提升了一倍。
-
AlphaFold3 的更新：DeepMind 对 AlphaFold3 进行了重大更新，减少了对目标序列相关蛋白质信息的依赖。
-
扩散模型的使用：AlphaFold3 采用扩散模型机器学习网络，与人工智能图像生成器 Midjourney 中使用的相同。 「这是一个重大变化。」AlphaFold 项目负责人 John Jumper 说。
AlphaFold3 如何揭示生命分子
视频链接： https://mp.weixin.qq .com/s/IcKOIAqEM4B2fdOsE5cfVA
AlphaFold3 功能
给定分子的输入列表，AlphaFold3 会生成它们的联合3D 结构，揭示它们如何组合在一起。它可以模拟：
- 大型生物分子（蛋白质、DNA、RNA）
- 小分子（配体）
- 化学修饰
技术优势
AlphaFold3 采用改进的架构和训练，涵盖所有生命分子。核心技术包括：
- Evoformer 模块
- 扩散网络组装
准确性
AlphaFold3 对分子相互作用的预测超过了所有现有系统的准确性，具有独特的统一科学见解能力。
药物发现
AlphaFold3 提高了药物设计能力，可以预测：
- 配体
- 抗体
它在预测类药物相互作用方面实现了前所未有的准确性，比传统方法提高了50%，成为超越基于物理的预测工具的人工智能系统。
Isomorphic Labs
Isomorphic Labs 结合AlphaFold3 和内部AI 模型，用于：
- 内部项目
- 与制药合作伙伴的药物设计
它利用AlphaFold3 加速和提高药物设计的成功率，应对新的疾病目标和现有目标。
平衡
DeepMind 平衡了 AlphaFold3 的可获取性、科学影响力和商业药物发现能力。
NVIDIA 高级研究经理兼 Embodied AI（GEAR 实验室）负责人 Jim Fan 发推文评论道：
- 「AlphaFold3 已经问世，这是生物学领域人工智能最伟大突破的最新版本。新颖之处在于 AlphaFold3 使用扩散来「渲染」分子结构。它从模糊的原子云开始，然后通过去噪逐渐具体化分子。」
- 「在我们生活的时间线上，Llama 和 Sora 的学习可以为生命科学提供信息并加速发展。我发现这种普遍性绝对令人难以置信。生成精美像素的相同 transformer+diffusion backbone 也可以想象蛋白质，只要你相应地将数据转换为浮点序列。」
- 「我们还没有达到单一 AGI 模型的水平，但我们已经成功构建了一个通用 AI 配方菜单，可以跨领域传输训练、数据和神经架构。这不应该起作用，但感谢上帝它起作用了！」
当然，也有不同的声音，由于对蛋白质与可能的药物相互作用建模的限制，加州大学旧金山分校的药物化学家 Brian Shoichet 表示：「我看不出它能产生 AlphaFold2 那样的影响。」他一直在使用 AlphaFold 结构来寻找候选药物。
一款免费且易于使用的研究工具
与 RoseTTAFold 和 AlphaFold2 不同，科学家将无法运行他们自己版本的 AlphaFold3，AlphaFold3 底层的代码等信息目前不会被公开。相反，研究人员将可以访问 DeepMind 新推出的「AlphaFold Server」 来使用 AlphaFold3 的功能。
AlphaFold Server 是一个免费平台，世界各地的科学家可以使用它进行非商业研究。只需点击几下，生物学家就可以利用 AlphaFold 3 的强大功能来模拟由蛋白质、DNA、RNA 以及一系列配体、离子和化学修饰组成的结构。
AlphaFold Server 帮助科学家提出新颖的假设并在实验室进行测试，加快工作流程并实现进一步的创新。该平台为研究人员提供了一种生成预测的便捷方式，无论他们是否拥有计算资源或机器学习方面的专业知识。
Uhlmann 很喜欢他迄今为止所看到的服务器，比他之前使用的 AlphaFold2 版本更简单、更快。「你上传它，10 分钟后，你就得到了结构。」他说。
但是，目前用户对 AlphaFold Server 的访问次数是有限的。当前，科学家每天只能进行 10 次预测，这不太可能获得与可能的药物结合的蛋白质结构。
视频链接：https://mp.weixin.qq.com/s/IcKOIAqEM4B2fdOsE5cfVA
AlphaFold Server：
https://golgi.sandbox.google.com/about
负责任地使用 AlphaFold3 的力量
针对每个版本的 AlphaFold，DeepMind 都会与研究和安全社区合作，以了解该技术的广泛影响。他们采取以科学为主导的方法，并进行了广泛的评估，从而减轻潜在风险并分享对生物学和人类的广泛利益。
在 DeepMind 为 AlphaFold2 进行的外部咨询的基础上，除了生物安全、研究和行业领域的专业第三方之外，他们现在还与 50 多名领域专家进行了接触，从而了解后续 AlphaFold 模型的功能和任何潜在风险。在 AlphaFold3 发布之前，DeepMind 还参加了社区范围的论坛和讨论。
AlphaFold Server 体现了 DeepMind 对分享 AlphaFold 优势的持续承诺，包括含有 2 亿个蛋白质结构的免费数据库。
他们还将与 EMBL-EBI 以及与南半球组织的合作，扩大免费 AlphaFold 教育在线课程，为科学家提供加速采用和研究所需的工具，包括在被忽视的疾病和粮食安全等资金不足的领域。DeepMind 将继续与科学界和政策制定者合作，负责任地开发和部署人工智能技术。
开启 AI 驱动的细胞生物学的未来
AlphaFold3 将生物世界带入高清。它使科学家能够了解细胞系统的所有复杂性、结构、相互作用和修饰。
这个关于生命分子的新窗口，揭示了它们是如何相互联系的，并有助于理解这些联系如何影响生物功能——例如药物的作用、激素的产生以及 DNA 修复的健康保护过程。
AlphaFold3 的潜力才刚刚开始挖掘，生命科学的未来会怎样呢？
论文链接：
https://www.nature.com/articles/s41586-024-07487-w
相关内容：
https://blog.google/technology/ai/google-deepmind-isomorphic-alphafold-3-ai-model/
以上是AlphaFold 3 重磅问世，全面预测蛋白质与所有生命分子相互作用及结构，准确性远超以往水平的详细内容。更多信息请关注PHP中文网其他相关文章！
