AlphaFold 3 用基于扩散的架构,把蛋白结构预测扩展到蛋白、核酸、小分子、离子和修饰残基组成的复合体建模。
解决什么问题
AlphaFold 2 改变了蛋白结构预测,但真实生物学很少是孤立蛋白独自存在。药物发现、细胞信号、免疫反应、酶功能,都取决于蛋白、DNA、RNA、小分子、离子和修饰残基之间的相互作用。AlphaFold 3 面向的是更大的问题:在一个统一框架里预测生物分子复合体的联合结构。
核心方法
AlphaFold 3 使用大幅更新的架构,其中包含用于细化原子坐标的扩散模块。它不只是从序列预测蛋白折叠,而是表示更广泛的分子系统,并预测各部分如何组合在一起。这让同一个模型家族可以进入蛋白-配体结合、蛋白-核酸相互作用、抗体-抗原结构等复杂生物场景。
关键结果
Nature 论文报告称,AlphaFold 3 在许多场景下显著优于专用工具:蛋白-配体相互作用预测强于现有 docking 工具,蛋白-核酸预测强于核酸专用系统,抗体-抗原预测也优于 AlphaFold-Multimer v2.3。真正的重点不是某一个分数,而是覆盖面:一个模型处理多种生物分子相互作用。
为什么重要
如果结构预测变成相互作用预测,AI 就更接近生物学家和药物研发团队真正关心的问题。哪个分子会结合?突变如何改变复合体?配体可能坐在哪里?AlphaFold 3 不能替代实验生物学,但它能在昂贵实验之前给研究者更强的计算先验。
局限与存疑
预测结构不是实验证据。分子动力学、结合能、细胞环境、罕见构象仍然很难。发布方式也引发争议,因为完整模型代码最初没有像 AlphaFold 2 那样开放,限制了独立复现。实际使用时,研究者仍需要把 AlphaFold 3 预测与实验、docking、分子动力学和领域知识结合。
一句话:AlphaFold 3 把问题从「这个蛋白长什么样」推进到「这套分子系统如何一起工作」。