AlphaFold 3

是什么

AlphaFold 3 是 Google DeepMind 的 AlphaFold 团队与 Isomorphic Labs 联合发布的结构预测模型，公布于 2024 年 5 月 8 日。^[1] 与只处理蛋白质的折叠模型不同，它预测蛋白质、DNA、RNA、配体（ligand，即小分子）和化学修饰的结构与相互作用。^[1] 范围的扩大有实际原因：分子在细胞里做什么，很大程度上取决于它和谁结合。运送药物的蛋白、读取一段 DNA 的酶、缠绕在小分子周围的 RNA，都是多种分子组成的复合物；AlphaFold 3 要回答的正是这类复合物的形状问题。

怎么做的

AlphaFold 3 的核心使用了支撑 AlphaFold 2 的 Evoformer 模块的改进版本。^[1] 模型还使用了 Pairformer 模块。^[2] 为了把内部表示变成实际的原子坐标，它用一个扩散网络（diffusion network）生成预测，Google 把它比作 AI 图像生成器里的网络。^[1][2] 这个类比并不严格，但抓住了过程：扩散网络从一团原子出发，经过许多步逐步收敛到最终结构，而不是一次就把每个原子放到位置上。^[1]

结果

Google 报告称，在蛋白质与其他类型分子的相互作用上，AlphaFold 3 比现有方法至少有 50% 的提升，某些相互作用类别的准确率翻倍。^[1] 在 PoseBusters 基准上，Google 报告 AlphaFold 3 比不使用结构输入的最好传统方法准确率高 50%。^[1] 公司还表示，AlphaFold 3 是第一个在生物分子结构预测上超过基于物理的工具的 AI 系统。^[1] 这些数字来自开发者自己的报告；基准成绩取决于测试集，也取决于「最好的现有方法」如何界定，因此更宜理解为一次大幅进步，而不是一份固定的排名。

怎么用

发布时，科学家可以通过 AlphaFold Server 使用它，这是一个面向非商业研究的免费平台。^[1] 源代码与权重在 2024 年 11 月按申请提供给非商业科研用途，2025 年 2 月公开，但仍带非商业限制。^[2] Isomorphic Labs 则把它用于药物设计，既做内部项目，也与制药伙伴合作。^[1] 研究用途免费开放、应用落地交给公司，是这款模型到达用户时的基本安排。

为什么重要

知道一个生物分子复合物的形状，通常是讨论它如何工作的前提：药物可能结合在哪个表面、哪些部分彼此接触、序列上的某个变化为什么让功能失效。实验测定结构慢，而且并非每种复合物都能测出来，因此一个同时覆盖多类分子的计算方法，会改变哪些问题可以低成本地问。AlphaFold 3 的贡献在于覆盖的分子类型之广，以及所报告的蛋白质与其他分子相互作用的准确率，而不在于提出了新类型的问题。

在发展中的位置

Google 与 Isomorphic Labs 在 2024 年 5 月 8 日发布这一消息，同时配有一篇介绍 AlphaFold 3 的 Nature 论文。^[1] 也就是说，它同时以两种面貌出现：一篇写在科学文献里的研究结果，以及一个科学家当天就能使用的服务。它在 AlphaFold 系列中的位置正由这种组合界定——从蛋白质扩展到多种分子组成的复合物，并同时给出基准成绩与公开使用途径。