当地时间 11 月 11 日，谷歌 DeepMind 宣布将 AlphaFold3 开源，其基本代码现在可供学术界下载。
今年 5 月份，DeepMind 发布 AlphaFold3，用于预测蛋白质、DNA、RNA、小分子等几乎所有生物分子结构和相互作用。
但 DeepMind 并没有像 AlphaFold2 那样发布其底层代码，而是通过网络服务器提供访问权限，限制科学家可以做出的预测数量和类型。
现在，任何人都可以下载 AlphaFold3 软件代码并将其用于非商业用途。但目前只有具有学术背景的科学家可以根据要求访问训练权重。条款明确禁止将 AlphaFold3 的模型参数或输出用于商业活动，包括训练类似的生物分子模型，以确保 DeepMind 对该技术的商业化保持一定程度的控制。
DeepMind 旗下公司 Isomorphic Labs 正在将 AlphaFold3 应用于药物研发。该公司背后包括技术资深人士 Miles Congreve 担任首席科学家，他参与了 20 种临床阶段药物的设计，并共同发明了已上市的乳腺癌治疗药物 Kisqali (Ribociclib)。
Isomorphic 已与全球两大制药公司——礼来公司和诺华建立总价值接近 30 亿美元的合作关系。
AlphaFold3 发布时，附带了“伪代码”，对代码可以做什么以及它如何工作的详细描述。过去几个月，几家公司推出了基于 AlphaFold3 的开源蛋白质结构预测工具。
如百度推出受 AlphaFold3 启发的模型 HelixFold 3；总部位于旧金山的初创公司 Chai Discovery 也推出了类似的模型 Chai-1。
那么，AlphaFold3 的开源将带来怎样的影响？
首先，AlphaFold3 在预测生物分子结构和相互作用方面展现出前所未有的准确性：与现有的预测方法相比，AlphaFold 3 至少有 50% 的改进；在预测一些重要的分子相互作用类别时，AlphaFold 3 的预测精度提高了一倍；在 PoseBusters 基准测试中，AlphaFold 3 的准确率比最好的传统方法高出 50%，且无需输入任何结构信息作为先验。这使得 AlphaFold 3 成为第一个超越基于物理的生物分子结构预测工具的人工智能系统；在预测药物相互作用方面，AlphaFold 3 实现了前所未有的准确性，包括蛋白质与配体的结合以及抗体与其目标蛋白质的结合；AlphaFold 3 能够准确预测感冒病毒刺突蛋白与抗体和糖分子的复合物结构，与真实结构高度匹配。
其次，AlphaFold2 的开源特性已引发了科学家的大量创新。例如，最近一次蛋白质设计大赛的获胜者使用人工智能工具设计了能够结合癌症靶标的新蛋白质；维也纳大学的研究人员利用 AlphaFold-Multimer 揭示了精子和卵子如何结合的细节。
在开源了 AlphaFold3 之后，DeepMind AlphaFold 团队负责人 John Jumper 非常期待人们用这个技术能做些什么。
AlphaFold2 于 2021 年公开发布，它促进了蛋白质工程的进步，帮助设计新的结合蛋白并揭示与疾病相关的蛋白质的机制。这一成功为 AlphaFold3 设定了期望，研究人员预计它将有各种新应用，从针对癌症的蛋白质设计到精确结合病毒蛋白的疗法。
参考链接：
1.https://www.nature.com/articles/d41586-024-03708-4
2.https://www.nature.com/articles/d41586-024-01463-0
