AlphaFold 3通过采用新型扩散模型，能准确预测蛋白质与DNA、RNA等生物分子的相互作用，为药物研发和结构生物学带来革命性进展。
近期，Isomorphic Labs和Google DeepMind联合发布了AlphaFold 3，这一先进的AI系统通过全新的扩散架构，能够精准模拟蛋白质、核酸、DNA、RNA链、小分子、离子和修饰残基等复杂体的结构。扩散模型作为一种生成式模型，近年来因其在图像、视频生成等领域的优异表现而备受关注。AlphaFold 3正是通过这种架构，突破了传统蛋白质结构预测的局限，能够对更广泛的生物大分子复合物进行建模，并提供更高效的预测结果。
与前代的AlphaFold 2不同，AlphaFold 3的扩散式方法使其能够通过预测原子坐标来生成生物分子复合物的三维结构模型，而这正是AlphaFold 3相较于AlphaFold 2的一大进步。AlphaFold 2虽然已经在蛋白质结构预测领域取得了巨大的突破，但其主要专注于蛋白质单体的结构建模。而AlphaFold 3则不仅能够预测蛋白质，还能模拟蛋白质与其他生物分子之间的相互作用，包括DNA、RNA链等，这对于探索生物学中的多种复杂现象、理解生命活动的机制具有深远意义。
捕捉生物学的动态性
在AlphaFold 3的发布会上，DeepMind科技公司的首席执行官Demis Hassabis强调了该模型在结构生物学中的革命性作用。他表示，AlphaFold 2为结构生物学带来了巨大的突破，它实现了从氨基酸序列到蛋白质三维结构的预测，让人们能够更加清晰地理解蛋白质的构成及其功能。结构生物学家们通过AlphaFold 2，已经成功解析了许多复杂蛋白质的结构，包括核孔复合物和结核分枝分枝分枝蛋白Mce1等。这些研究成果为科学家们提供了大量前所未有的数据，开启了更多的研究方向。Hassabis表示：“AlphaFold 2已经被引用超过两万次，被全球成千上万的研究人员使用，它的影响力不可忽视。”
然而，生物学不仅仅是静态的蛋白质结构。Hassabis进一步解释说：“我们知道生物学是动态的，生物现象的本质在于分子之间的相互作用。AlphaFold 3正是向着这个目标迈出了重要一步。”AlphaFold 3不仅能够模拟蛋白质之间的相互作用，还能够预测蛋白质与其他生物分子之间的关系，从而更好地理解生物学的复杂性。
AlphaFold 3：超越蛋白质的结构预测
AlphaFold 3的核心创新之一，就是它能够模拟不仅是蛋白质单体之间的相互作用，还能预测蛋白质与DNA、RNA、以及其他小分子、离子等分子之间的复杂关系。这一特点使得AlphaFold 3在药物研发领域的潜力得到了更充分的体现。许多药物的效果依赖于小分子与目标蛋白质的结合，而这种蛋白质-小分子结合的预测，长期以来一直是药物设计中的一大难题。AlphaFold 3通过精准预测蛋白质与小分子之间的相互作用，不仅为药物研发提供了更准确的依据，也使得这一过程变得更加高效。
另一项重要的创新是，AlphaFold 3能够精确预测蛋白质和配体之间的相互作用，这一功能对于药物发现至关重要。通过预测蛋白质与配体的结合位点和最佳结合形状，AlphaFold 3能够在药物设计的早期阶段，提供有关候选分子的有力指导。这将大大加快药物筛选和优化的速度，节省大量的实验资源。与目前常用的对接工具相比，AlphaFold 3在蛋白质-配体相互作用的预测精度上要高出许多，进一步证明了其在药物研发中的应用潜力。
开放科学与合作的推动
为了加速科学研究并促进全球合作，DeepMind决定将AlphaFold 3的模型、方法和蛋白质结构预测结果公开免费提供给全球科研人员。这一开放科学的倡议，将为科学家们提供一个前所未有的资源库，使他们能够利用AlphaFold 3的技术，解决更多的生物学和药物研发问题。Hassabis表示：“我们坚信，通过了解生物分子的结构和相互作用，最终会为临床带来更有效的药物，改善患者的健康。”
DeepMind此前已经公布了AlphaFold 早期版本预测的超过两亿种蛋白质的结构，这些蛋白质在生物学研究中占据着举足轻重的地位。通过开源，DeepMind不仅让全球的科研人员都能够利用这一强大的工具，同时也促进了全球范围内的学术交流和合作。
从结构预测到药物发现
AlphaFold 3不仅能够为结构生物学家提供一个强大的工具，也将在药物研发领域产生深远的影响。药物发现的过程通常需要长时间的实验室工作和大量的筛选实验，然而通过AlphaFold 3，科学家可以更早地了解候选药物分子与目标蛋白质的相互作用，并筛选出最有潜力的药物分子。这种预测能力有望大幅度减少实验验证的工作量和成本，提升药物研发的效率。
目前，AlphaFold 3的准确性已经得到了广泛验证，许多研究者发现，AlphaFold 3在蛋白质-配体、蛋白质-核酸相互作用等方面的预测精度，远远超过了现有的专业工具。随着更多的科研机构和制药公司开始使用这一工具，预计将会加速新药的发现和开发，并推动整个生物医药行业的进步。
面对挑战，AlphaFold 3仍在进化
尽管AlphaFold 3在准确性和应用范围上都有了巨大的提升，但它仍然面临一些挑战。计算结构预测中的一个重要问题就是“幻觉”现象，即模型预测出的结构看起来合乎逻辑，但并不准确。为了应对这一挑战，AlphaFold 3采用了交叉蒸馏技术，利用来自AlphaFold-Multimer v2的预测结构来优化模型的输出。通过这种方式，AlphaFold 3能够在避免产生虚假结构的同时，提高预测的可靠性。此外，AlphaFold 3还特别针对无序区域进行了训练，能够更好地捕捉这些区域的灵活性和变异性，这也是生物学中一个至关重要的方面。
本文译自 drugdiscoverytrends，由 BALI 编辑发布。
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
