Nature论文：谷歌DeepMind发布蛋白质预测AI模型AlphaFold3，代码已有人复现！

21世纪是生物学的世纪，也是人工智能技术大放异彩的实际，两者的结合必将碰撞出热烈的火花，对生物学的研究也是具备了前所未有的推动力。

过去几年，以AlphaFold为代表的人工智能技术已经成为破解生命复杂性难题的重要工具，在蛋白质结构预测领域屡次取得突破性成果。

2018年，DeepMind推出了第一代AlphaFold模型，在国际蛋白质结构预测竞赛中获得了第一名；

2020年，AlphaFold2继续显示出惊人的预测准确度，被认为是蛋白质结构预测领域的里程碑式突破；

2024年5月8日，全新一代AlphaFold3推出，这项成果由谷歌 DeepMind 和其英国子公司 Isomorphic Labs 联合团队在《自然》杂志上发表。

论文题目为《Accurate structure prediction of biomolecular interactions with AlphaFold 3》。

论文链接：https://www.nature.com/articles/s41586-024-07487-w

AlphaFold 3 是基于当前AI领域最火的技术Transformer+Diffusion构建，可以说是充分利用了当前AI技术领域的优势技术。

新的 AlphaFold 3 拥有更强的生成式 AI 模型能力，效果全面提升。对于蛋白质与其他分子的相互作用，与现有预测方法相比，AlphaFold 3 改进了至少 50%；对于一些重要的相互作用领域，AlphaFold 3 预测精（准确）度提高一倍（100%），可准确预测蛋白质、DNA、RNA、配体等的结构以及它们如何相互作用，有望帮助人们治疗癌症、免疫性疾病等。

AlphaFold3做的蛋白质结构预测还可以同步进行详细的三维结构渲染，以方便研究者进行直观观察和研究，展示视频如下：

一. AlphaFold3与AlphaFold2在预测蛋白质结构方面的具体技术改进是什么？

• 模型架构的改进：AlphaFold3采用了扩散技术（Diffusion），这是一种新兴的深度学习技术，用于处理更高复杂性的问题。这种技术的引入使得AlphaFold3能够处理更加复杂和细致的生物分子结构，从而提高预测的准确性和效率。

• 预测精度的显著提升：AlphaFold3的预测精度相比于前代产品有了显著的提升。例如，AlphaFold3在某些测试中的成功率达到了65%，远高于目前技术水平的28%。

• 蛋白质相互作用能力的增强：AlphaFold3不仅提高了单个蛋白质结构的预测精度，还增强了对蛋白质相互作用的预测能力。这对于理解蛋白质如何在细胞内进行复杂的相互作用非常重要。

二. AlphaFold3如何处理DNA和RNA的结构预测，与AlphaFold2相比有哪些新的方法或技术？

AlphaFold3在处理DNA和RNA的结构预测方面，相比于AlphaFold2，其应用范围已经从单一的蛋白质结构预测扩展到了几乎所有类型的生物分子。AlphaFold3在预测复杂分子结构时采用了更为精细和全面的模拟方法。例如，它能够联合模拟所有原子的位置，这使得它能够代表更广泛的生物分子结构。这种能力对于理解分子间的相互作用尤为重要，因为它可以帮助科学家识别和设计可能成为药物的新分子。

此外，AlphaFold3还特别强调了其在预测RNA修饰蛋白复合物等复杂结构方面的能力，这些复合物包含多种类型的分子，如蛋白质、RNA链和离子。这种高级的结构预测能力对于研究RNA在细胞中的功能及其与其他分子的相互作用至关重要。

此外，在今天（2024年5月9日），谷歌DeepMind还推出了免费研究平台「AlphaFold Server」，以供全球科学家进行非商业化的科学研究，只需点击几下，就可以利用AlphaFold 3在10分钟内预测分子，并测试假设。

访问链接：https://golgi.sandbox.google.com/about

演示视频：

正如 DeepMind 首席执行官兼联合创始人Demis Hassabis 所说：“在最基本的层面上，我认为生物学可以被视为一种信息处理系统，尽管它是一个极其复杂和动态的系统。正如数学被证明是物理学的正确描述语言一样，生物学也可能成为人工智能应用的完美类型。”

随着AI技术的继续发展，在信息处理和预测方面的能力将会越来越强大，AlphaFold们也会得到长足的发展，达到人类远远所不能达到的高度。

最后，虽然DeepMind官方并没有打算开源AlphaFold3，但是笔者发现，在Github上已经有人实现了基于Pytorch的AlphaFold3模型，作者为多模态AI实验室Agora的Leader。

在Github上的代码仓库详见：github.com/kyegomez/AlphaFold3 ，已经有超过100人的Star，其是否能够完美复现AlphaFold3的效果还有待专人评估。