刚刚，谷歌开源了自己的诺奖模型AlphaFold3！至此来自生物医药、生命科学等各个领域的科学家们都可以免费下载模型代码，自行运行模型开展工作。
此举直接获得了Nature亲自撰文推荐。
![]()
GitHub链接：
https://github.com/google-deepmind/alphafold3?tab=readme-ov-file
与前两个版本仅可以预测蛋白质结构不同， AlphaFold3能够预测所有生命分子的相互作用。这相当于打开了整个生命科学研究的新大门，生命的基本过程被了解，直接推动了药物发现和疾病治疗。以往这些工作往往需要数月的实验室工作和数百万资金才可以搞定，还无法保证成功。而现在科学家免费拥有了一把强大的利器。科学家们也是大为兴奋，甚至已经在搓搓手期待怎么用了。比如研究一下人体肌肉生长过程。![]()
![]()
诺奖得主、DeepMind AlphaFold 团队负责人John Jumper表示，我们非常兴奋地看到人们用这个技术能做些什么。短短几小时，GitHub官网已经收获了1.5k星。![]()
谷歌说到做到：6个月前曾因没有开源而受争议
今年5月，AlphaFold3发布，并直接登上Nature。
除了将预测范围扩大到了蛋白质、DNA、RNA以及一系列配体、离子和化学修饰等更多生物分子结构，还创新性地用上了扩散模型，可以生成每个原子的3D坐标。
用另一位诺奖得主、DeepMind联创兼CEO哈撒比斯的话来说：
AlphaFold 3是人类了解生物学动态系统历史性的第一步。
在不输入任何结构信息的情况下，AlphaFold3预测准确度比现有方法提高了50%，对于部分相互作用类别甚至提高了1倍。这使得AlphaFold 3成为首个超越基于真实生物分子结构预测工具的AI系统。当时官方说的是，全球科学家通过AlphaFold服务器即可免费访问使用AlphaFold 3进行非商业研究（开放大部分功能）。![]()
换句话说，没有像AlphaFold2那样开放底层代码，而是通过网络服务器提供访问权限。官方还推出了免费的工具AlphaFold Server，科学家只需点击几下就模拟由蛋白质、DNA、RNA 以及一系列配体、离子和化学修饰组成的结构。虽说免费，但实则限制不少，每天只能进行10次预测，而且不可能获得可能与药物结合的蛋白质结构。不免让人怀疑之所以不开源，是因为谷歌Deepmind自己用来进行药物开发。当时他们成立的公司Isomorphic Labs使用AlphaFold3通过自己的管道或与其他制药公司合作开发药物。结果这操作直接受到了科学家们的批评，他们称此举破坏了可重复性。于是DeepMind 迅速改变了方针，并表示将在半年内推出该工具的开源版本。如今半年过去，应该算是说到做到。不过模型权重需要单独申请，填写表单，同不同意由DeepMind决定。![]()
AlphaFold3
最后再来简单回顾一下AlphaFold3吧。
在AlphaFold 2的基础上，AlphaFold 3在架构和训练过程上有很大改进：
遗传特征编码器(MSA module)被大幅简化，聚焦提取更关键的进化信息。
成对残基关系编码器(Pairformer)取代了原有的进化特征处理单元(Evoformer)，增强了复杂相互作用模式的建模能力
结构生成器从以氨基酸为中心，改为直接预测原子坐标，增加了处理通用分子结构的灵活性。
为了避免扩散方法在一些无结构区域产生幻觉，还引入了一种新的交叉蒸馏方法，通过AlphaFold-Multimer v2预测的结构数据来丰富训练数据。
![]()
更让人惊叹的是，AlphaFold 3即便在训练数据极度匮乏的领域，也展现出了惊人的泛化能力。举个例子，在CASP15的RNA预测任务中，它在10个公开靶点上的平均表现超过了专门的RNA结构预测模型。要知道，这可是在几乎没有RNA训练数据的情况下实现的。好了，现在AlphaFold3终于开源，有需要的可以去官网下载。值得一提的是，DeepMind 科学AI主管Pushmeet Kohli还说了一嘴，AlphaFold3各种复现版本都有了。这说明该模型即使没有开源也是可以复制的。（好好好![]()
）[1]https://www.nature.com/articles/d41586-024-03708-4
[2]https://x.com/maxjaderberg/status/1855943552745845095
