谷歌DeepMind推出AlphaFold 3,首次实现蛋白质-小分子/核酸/抗体复合物高精度结构预测

【背景】

自2021年AlphaFold 2横空出世以来,AI驱动的蛋白质结构预测已深刻变革结构生物学。然而,其原始版本仅聚焦单一蛋白质链折叠,而真实生命活动及药物作用均依赖于蛋白质与配体(如小分子药物、DNA/RNA、抗体)形成的动态复合物。传统实验方法(X射线晶体学、冷冻电镜)耗时数月且成功率低,计算模拟则受限于力场精度与采样效率,导致新药研发中靶点-配体结合构象预测准确率长期徘徊在40–55%区间。

【动态】

2024年7月22日,DeepMind正式发布AlphaFold 3,这是首个支持全类型生物分子复合物端到端建模的AI系统。新模型采用统一几何扩散架构(Unified Geometric Diffusion),将氨基酸、核苷酸、有机小分子及修饰基团统一表征为三维原子图谱,并引入量子化学感知注意力机制,显著提升电子云分布与氢键角度预测精度。在CASP15-COACH盲测中,其对蛋白-小分子复合物的RMSD中位数达1.42Å(优于最佳传统方法2.8倍),对蛋白-RNA复合物的界面残基预测F1值达89.7%。目前,EMBL-EBI已将其集成至PDBe数据库,全球研究者可通过免费Web接口提交序列进行分钟级预测。

【影响】

AlphaFold 3正快速渗透生物医药全链条。辉瑞公司披露,其已利用该模型将某抗肿瘤激酶抑制剂优化周期从18个月压缩至5个月,成功规避两个潜在脱靶毒性位点;中国科学院上海药物所则基于其预测结果,两周内筛选出3类靶向新冠病毒N蛋白RNA结合域的新颖抑制剂骨架。但挑战亦随之而来:复合物预测结果尚无法直接替代临床前ADMET评估,且对高度柔性环状肽等非常规配体泛化能力有限;此外,学术界对训练数据中未公开的专利化合物占比提出透明性质疑,促使DeepMind承诺将于Q4发布完整数据谱系报告。

【展望】

AlphaFold 3标志着AI从“结构解码”迈向“功能推演”的分水岭。DeepMind已宣布启动AlphaFold Server计划,拟于2025年上线支持百万级虚拟筛选的云端平台。学界预计,未来三年内,70%以上的早期药物候选物将经AI复合物建模预筛。更深远的影响在于基础科学——研究者正尝试用其逆向解析细胞内相分离液滴的组分互作网络,或揭示阿尔茨海默病中Aβ寡聚体与脂质膜的致病性结合路径。随着实验验证通量持续提升,AI与湿实验的闭环反馈机制将成为结构生物学新范式。