谷歌 DeepMind 近日意外發布了 AlphaFold3的源代碼和模型權重，標誌着一個可能加速科學發現和藥物開發的重大進展。這一消息傳出僅幾周後，系統的創造者 Demis Hassabis 和 John Jumper 便獲得了2024年諾貝爾化學獎，以表彰他們在蛋白質結構預測方面的貢獻。

image.png

與前一版本 AlphaFold2相比，AlphaFold3的技術能力有了質的飛躍。AlphaFold2只能預測蛋白質的結構，而 AlphaFold3則可以建模蛋白質、DNA、RNA 及小分子之間複雜的相互作用，這是生命的基本過程。

這一進展至關重要，因爲理解這些分子相互作用是現代藥物發現和疾病治療的核心。傳統的研究方法往往需要數月的實驗室工作和數百萬的研究資金，並且並不保證成功。

AlphaFold3的發佈讓其從一個專用工具轉變爲研究分子生物學的綜合解決方案。這一更廣泛的能力爲理解細胞過程開闢了新路徑，包括基因調控和藥物代謝等，達到以前無法實現的規模。

儘管 AlphaFold3的發佈爲科學研究提供了新的動力，但其時機也突顯出現代科學研究中的一個重要矛盾。儘管在今年5月 AlphaFold3首次亮相時，DeepMind 選擇暫時不發佈代碼，並僅通過網絡界面提供有限訪問，這一決定引發了研究者們的廣泛批評。此次開放源碼的發佈試圖在科學與商業利益之間找到一個平衡點。雖然代碼在創意共享許可證下可以自由獲取，但使用關鍵模型權重仍需獲得谷歌的明確許可，這一做法引發了一些研究者的質疑。

AlphaFold3在技術上的進步使其脫穎而出。系統採用了基於擴散的方法，直接與原子座標進行交互，這在分子建模領域代表了一種根本性的變革。這使得 AlphaFold3在研究新類型的分子相互作用時，變得更加高效和可靠。

儘管如此，AlphaFold3在藥物發現和開發方面的影響仍然是巨大的。儘管商業限制目前限制了其在製藥領域的應用，但這次發佈所帶來的學術研究將提升我們對疾病機制和藥物相互作用的理解。系統在預測抗體 - 抗原相互作用方面的準確性提高，有望加速治療性抗體的開發，這是製藥研究中越來越重要的領域。

AlphaFold3的發佈標誌着 AI 驅動科學的重要進展，其影響將超越藥物發現和分子生物學。隨着研究人員將這一工具應用於各類挑戰，我們將看到在計算生物學領域涌現出新的應用。

項目入口:https://github.com/google-deepmind/alphafold3

劃重點:

🌟 AlphaFold3的發佈將加速科學發現和藥物開發。  

🔬 新版本能建模複雜的分子相互作用，包括蛋白質、DNA、RNA 和小分子。  

📈 開源方式旨在平衡科學研究和商業利益，促進學術探索。