谷歌 DeepMind 近日意外发布了 AlphaFold3的源代码和模型权重，标志着一个可能加速科学发现和药物开发的重大进展。这一消息传出仅几周后，系统的创造者 Demis Hassabis 和 John Jumper 便获得了2024年诺贝尔化学奖，以表彰他们在蛋白质结构预测方面的贡献。
与前一版本 AlphaFold2相比，AlphaFold3的技术能力有了质的飞跃。AlphaFold2只能预测蛋白质的结构，而 AlphaFold3则可以建模蛋白质、DNA、RNA 及小分子之间复杂的相互作用，这是生命的基本过程。
这一进展至关重要，因为理解这些分子相互作用是现代药物发现和疾病治疗的核心。传统的研究方法往往需要数月的实验室工作和数百万的研究资金，并且并不保证成功。
AlphaFold3的发布让其从一个专用工具转变为研究分子生物学的综合解决方案。这一更广泛的能力为理解细胞过程开辟了新路径，包括基因调控和药物代谢等，达到以前无法实现的规模。
尽管 AlphaFold3的发布为科学研究提供了新的动力，但其时机也突显出现代科学研究中的一个重要矛盾。尽管在今年5月 AlphaFold3首次亮相时，DeepMind 选择暂时不发布代码，并仅通过网络界面提供有限访问，这一决定引发了研究者们的广泛批评。此次开放源码的发布试图在科学与商业利益之间找到一个平衡点。虽然代码在创意共享许可证下可以自由获取，但使用关键模型权重仍需获得谷歌的明确许可，这一做法引发了一些研究者的质疑。
AlphaFold3在技术上的进步使其脱颖而出。系统采用了基于扩散的方法，直接与原子坐标进行交互，这在分子建模领域代表了一种根本性的变革。这使得 AlphaFold3在研究新类型的分子相互作用时，变得更加高效和可靠。
尽管如此，AlphaFold3在药物发现和开发方面的影响仍然是巨大的。尽管商业限制目前限制了其在制药领域的应用，但这次发布所带来的学术研究将提升我们对疾病机制和药物相互作用的理解。系统在预测抗体 - 抗原相互作用方面的准确性提高，有望加速治疗性抗体的开发，这是制药研究中越来越重要的领域。
AlphaFold3的发布标志着 AI 驱动科学的重要进展，其影响将超越药物发现和分子生物学。随着研究人员将这一工具应用于各类挑战，我们将看到在计算生物学领域涌现出新的应用。
项目入口:https://github.com/google-deepmind/alphafold3
划重点:
🌟 AlphaFold3的发布将加速科学发现和药物开发。
🔬 新版本能建模复杂的分子相互作用，包括蛋白质、DNA、RNA 和小分子。
📈 开源方式旨在平衡科学研究和商业利益，促进学术探索。
