Bringing medical advances from the lab to the clinic
关键词：AI；AlphaFold3；蛋白质结构预测；开源；Nature Medicine▼ 即使面对成败难料的未知领域，我们也不会放弃。只为了让受疾病折磨的患者能够早日获得有效的治疗。
AlphaFold3是由谷歌DeepMind开发的一款人工智能（AI）工具，以其在蛋白质结构预测方面的卓越性能而闻名，并因此荣获2024年诺贝尔化学奖。该工具能够预测蛋白质与其他分子（如DNA）相互作用时的结构。然而，DeepMind最初仅通过一个网络服务器提供AlphaFold3的使用，限制了科学家进行预测的数量和类型，尤其是限制了对潜在药物存在下蛋白质行为的预测，这在学术界引起了对可重复性和开放获取代码的争议。2024年10月25日，Ewen Callaway 等研究人员在国际顶尖学术期刊 Nature Medicine 上发表题为 AI protein-prediction tool AlphaFold3 is now open source 的文章【1】。为了响应学术界的呼声，谷歌DeepMind在2024年11月11日宣布，其获奖的人工智能工具AlphaFold3的源代码现已对学术界开放，允许非商业用途的下载和使用，这将极大地促进科学研究和药物发现领域的进步。
![]()
（如需原文，请加微信healsana获取，备注20241111NNews）🔷 AlphaFold3开源后的竞争和替代版本概况：
在AlphaFold3开源之后，多个公司推出了基于其原始论文伪代码规范的开源蛋白质结构预测工具，包括中国的百度和字节跳动，以及加州的初创公司Chai Discovery。尽管这些模型目前都无法用于商业应用，如药物发现。- Chai Discovery的模型： 尽管如此，Chai Discovery的模型Chai-1可以通过网络服务器用于商业工作，如药物发现，该公司联合创始人Jack Dent表示。
- Ligo Biosciences的版本： 另一家旧金山公司Ligo Biosciences发布了一个无限制版本的AlphaFold3，但它还没有完整的功能，包括模拟药物和除蛋白质以外的分子的能力。
- OpenFold3的预期： 其他团队正在开发没有这些限制的AlphaFold3版本。AlQuraishi希望在年底前推出一个完全开源的模型OpenFold3，这将使制药公司能够使用专有数据重新训练自己的模型版本，如结合不同药物的蛋白质结构，从而可能提高性能。
综上所述，尽管AlphaFold3的开源版本已经发布，但其商业应用仍然受限。同时，多个公司和团队正在开发自己的版本，以期提供更广泛的应用和改进性能。这些发展显示了人工智能在生物科学领域中的快速进展和激烈竞争。在过去一年中，多家公司发布了新的生物AI模型，这些模型在开放性方面采取了不同的策略。威斯康星大学麦迪逊分校的计算生物学家Anthony Gitter认为，只要盈利性公司在分享工作时遵守与其他科学家相同的规则，他就欢迎这些公司加入他的领域。DeepMind的AI科学负责人Pushmeet Kohli指出，尽管没有开源代码，但AlphaFold3的多个复制品已经出现，显示了其可重复性，并希望未来能有更多的讨论关于学术和企业研究者越来越多的领域中的出版规范。AlphaFold2的开源性质激发了其他科学家的大量创新，例如用于设计能够结合癌症靶点的新蛋白质。DeepMind的John Jumper期待AlphaFold3的分享能带来类似的惊喜，即使这些尝试并不总是成功。
强调了在生物AI领域，开放性和透明度对于促进科学进步和创新的重要性，同时也表明了科学家们对于未来可能出现的新应用和发现的期待。![]()
图. AlphaFold3 可以预测蛋白质与 DNA 相互作用时的结构
AlphaFold3的开源不仅提高了科学研究的透明度和可重复性，还为科学家们提供了一个强大的工具，以预测和理解蛋白质结构及其与药物的相互作用。
这一进展有望加速新药的发现和开发过程，尤其是在针对复杂疾病的治疗策略中，通过精确预测蛋白质如何与潜在药物相互作用，AlphaFold3有助于设计出更有效的治疗方案。
同时，它也为科研人员提供了一个平台，以探索蛋白质功能的未知领域，推动基础科学研究的边界，最终可能导致对疾病机理更深入的理解，以及更精确、个性化的医疗干预措施的发展。
【1】https://doi.org/10.1038/d41586-024-03708-4本文只是分享和解读公开的研究论文及其发现，以作科学文献记录和科研启发用；并不代表作者或本公众号的观点，更不代表本公众号认可研究结果或文章。为了给大家提供一个完整而客观的信息视角，我们有时会分享有冲突或不同的研究结果。请大家理解，随着对疾病的研究不断深入，新的证据有可能修改或推翻之前的结论。作者：Amber Wang；助理：ChatGPT；编辑：Jessica，微信号：Healsanq，加好友请注明理由。美国Healsan Consulting(恒祥咨询)，专长于Healsan医学大数据分析（Healsan™）、及基于大数据的Hanson临床科研培训（HansonCR™）和医学编辑服务（MedEditing™）。主要为医生科学家、生物制药公司和医院科研处等提供分析和报告，成为诸多机构的“临床科研外挂”。点击👆；From Bench to Bedside, Healsan Paves the Path.（点击👆图片，进入自己感兴趣的专辑。或点击“资源”，浏览本公众号所有资源。）
