DRUGAI
谷歌DeepMind宣布将其最新的蛋白质结构预测模型AlphaFold3开源，以支持非商业用途。这一举措在科学界引起广泛关注，因为它代表了人工智能在生物研究领域共享方式的重大转变，特别是在蛋白质结构预测和药物发现研究方面。以下小节将探讨AlphaFold3的创新点、对研究的影响、竞争格局以及开放科学与商业利益之间的平衡问题。
https://github.com/google-deepmind/alphafold3
重大进展：AlphaFold3的创新能力
AlphaFold3与之前的版本相比取得了重要进步。它不仅能够预测单一蛋白质的结构，还可以模拟蛋白质与其他分子（如DNA、RNA和小分子）的相互作用。这一扩展为科学家们提供了理解细胞内复杂过程的新途径，尤其是对于药物开发和疾病研究而言意义重大。此次开源发布包括软件代码，允许研究人员自由下载和使用，但仅限于非商业应用。对于学术研究者而言，AlphaFold3的训练权重则需要获得DeepMind的特别许可。商业用途受到限制，以保护DeepMind在蛋白质结构预测和药物开发中的技术优势。
科学影响：开源AlphaFold3的意义
AlphaFold3的开源发布预计将在蛋白质结构预测和生物医学研究领域产生深远影响。该工具在预测蛋白质-配体相互作用方面的精度提升，可能加速治疗性抗体及其他药物的开发。同时，AlphaFold3可以帮助研究人员揭示蛋白质与DNA、RNA的复杂交互机制，为理解分子生物学中的核心过程提供新视角。此前的AlphaFold2在蛋白质设计领域引发了广泛应用和创新，科学家们预计AlphaFold3也将带来类似的突破。
竞争格局：多元化的AI工具生态系统
随着AlphaFold3的发布，多个公司也在开发或已发布类似的蛋白质结构预测工具，形成了一个多元化的生态系统。中国科技公司百度和字节跳动推出了功能类似的模型，Chai Discovery提供了基于服务器的解决方案，适用于药物发现应用。此外，Ligo Biosciences发布了一个无限制的模型，尽管其功能较为基础，而OpenFold3则预计在年内完全开源。这样的市场竞争使蛋白质预测和药物开发工具更加多样化，为科研人员提供了更多选择。
透明性与可重复性：回应科学界需求
在科学界，透明性和可重复性是高质量研究的基石。DeepMind在发布AlphaFold3之前，由于代码未能公开而受到科学界的批评。学术研究者强调，在发布科学主张时，AI模型的详细信息应向公众开放，以确保研究的透明性和可重复性。此次AlphaFold3的开源发布回应了这些需求，也体现了AI工具在生物学领域的规范要求。
未来影响：开放科学与商业利益的平衡
AlphaFold3的开源发布引发了学术界对商业利益与开放科学之间平衡的讨论。随着AI模型在生物学和药物研发中越来越重要，如何在保护商业机密的同时促进科学共享，已成为一个核心问题。AlphaFold3的开源模式在一定程度上平衡了这些需求，科学界预计这一举措将推动更广泛的合作与创新，同时加速蛋白质结构预测和生物医学研究领域的进展。
结论：推动生物研究的工具和创新生态
谷歌DeepMind开放AlphaFold3，标志着蛋白质结构预测领域的重要时刻。尽管受到一定的使用限制，但这一开源模型预计将推动药物发现和分子生物学的重大进展。未来，AlphaFold3的实际应用和影响将逐步显现，这一开源发布或将引领AI在生物研究和创新生态中的全新发展。
编译 | WJM
参考资料
Abramson, J., Adler, J., Dunger, J. et al. Accurate structure prediction of biomolecular interactions with AlphaFold 3. Nature 630, 493–500 (2024). https://doi.org/10.1038/s41586-024-07487-w
https://doi.org/10.1038/d41586-024-03708-4
https://www.science.org/content/article/google-deepmind-releases-code-behind-its-most-advanced-protein-prediction-program
