文章摘要
【关 键 词】 AlphaFold 3、生物分子结构、AI预测、药物发现、Transformer+Diffusion
谷歌DeepMind的AlphaFold 3是该公司在生物分子结构预测领域的最新突破。这项技术利用AI革命的核心架构——Transformer+Diffusion，以原子精度预测所有生物分子的结构和相互作用，包括蛋白质、核酸（DNA/RNA）和更小分子。与传统方法相比，AlphaFold 3在预测相互作用的准确率上提高了50%，对某些关键相互作用类型的预测精度甚至提升了100%。
AlphaFold 3的研究已在《Nature》杂志上发表，并登上了头版。谷歌DeepMind的联合创始人兼CEO Demis Hassabis表示，这是AI理解和建模生物学的重要一步。AlphaFold 3能够生成蛋白质、核酸和更小分子的3D结构，并模拟细胞间的化学变化，有助于控制细胞的正常运转和预防疾病。
此外，谷歌DeepMind还推出了免费的研究平台AlphaFold Server，供全球科学家进行非商业化研究。用户可以通过该平台在10分钟内预测分子并测试假设，无论他们的技术专长如何。
AlphaFold 3在自家实验室Isomorphic Labs中已经实现了高度准确的预测配体-受体相互作用，并帮助构想药物发现的过程。例如，AlphaFold 3预测了不存在的Tim-3免疫蛋白结构，结果与实际高度一致。
AlphaFold 3的发布弥补了前代AlphaFold 2的短板，后者虽然在预测蛋白质结构方面取得了革命性的影响，但在预测蛋白质生态系统时仍存在局限。AlphaFold 3的有效性在预测蛋白质结构及其相互作用伙伴方面远超现有工具，如docking软件和另一个AI工具RoseTTAFold All-Atom。
AlphaFold 3的结构预测表现得到了华盛顿大学西雅图分校的计算生物物理学家David Baker的高度评价，他承认AlphaFold 3的表现优于其团队开发的RoseTTAFold All-Atom。
AlphaFold 3的诞生对于理解生命过程具有重要意义，因为它使人类能够以前所未有的精度预测所有生物分子的结构和相互作用。这可能会彻底改变我们对生物世界和药物发现的认识。尽管谷歌DeepMind没有在论文中公布AlphaFold 3的代码和底层信息，但模型的大部分功能仍然可以通过AlphaFold Server平台免费使用。AlphaFold 3模型的构建是基于前代AlphaFold 2的。
原文和模型
【原文链接】 阅读原文 [ 6987字 | 28分钟 ]
【原文作者】 新智元
【摘要模型】 moonshot-v1-32k
【摘要评分】 ★★★★★
相关文章
