免费提供分子预测服务，开放2亿蛋白质结构数据库。
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
01.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。
02.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。
03.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。
