AlphaFold3，簡稱AF3，是DeepMind團隊在蛋白質結構預測領域的最新力作。它不僅能夠預測單個蛋白質序列的結構，還能預測蛋白質複合體、核酸或小分子的結構。這就好比，你給AF3一個蛋白質的“食譜”，它就能“烘焙”出這個蛋白質的三維結構。

image.png

AF3的架構複雜精妙，但別怕，一張圖就能幫你理清頭緒。整個模型可以分爲三大部分:

輸入準備:將蛋白質序列轉化爲數值張量，並檢索出具有相似結構的分子。

表示學習:利用多種注意力機制更新這些表示。

結構預測:使用條件擴散模型預測蛋白質結構。

每一步都像是在繪製一幅精細的畫作，AF3通過層層疊加，最終呈現出蛋白質的三維結構。

在AF3的世界裏，每個分子都有自己的“語言”。無論是蛋白質、DNA、RNA還是小分子，AF3都能將它們轉換成一系列數值張量。這就像是給每個分子一個獨特的“身份證”，讓AF3能夠識別和處理它們。

image.png

AF3中的表示學習部分，就像是一場精心編排的舞蹈。通過注意力機制，AF3能夠讓模型的“視線”在分子的不同部分間遊走，捕捉它們之間的關係。這不僅包括了分子內部的相互作用，還包括了分子間的相互作用。

在AF3的結構預測部分，條件擴散模型扮演了關鍵角色。它從一系列隨機噪聲開始，逐步“去噪”，最終恢復出蛋白質的真實結構。這個過程就像是從一團迷霧中，逐漸揭示出隱藏的真相。

AF3的訓練涉及到了多種損失函數和信心頭，它們共同作用，讓AF3能夠更準確地預測結構，並且評估自己的預測有多可靠。這就像是給AF3裝上了一面鏡子，讓它能夠自我反省和提升。

參考資料：https://elanapearl.github.io/blog/2024/the-illustrated-alphafold/