谷歌DeepMind推出AlphaFold 3:首次实现端到端预测蛋白质-配体复合物三维结构,加速AI驱动新药研发革命

2024年5月8日,谷歌DeepMind正式发布AlphaFold 3——其突破性AI模型首次实现对蛋白质、DNA、RNA、小分子配体及修饰基团等多类生物分子间相互作用的端到端三维结构联合预测。该模型在权威基准CASP15-CAPRI联合评估中,对蛋白质-小分子复合物的预测精度(RMSD <2.0 Å)达78%,较前代AlphaFold 2提升超3倍;对蛋白-核酸复合物的界面残基预测准确率突破89%。这一进展标志着AI从‘单体结构解析’迈入‘动态分子互作建模’新阶段,填补了计算生物学长期存在的关键空白。

动态层面,AlphaFold 3采用全新扩散生成架构,摒弃传统模板依赖与分步建模流程,直接以原子坐标和化学键类型为输出空间,整合数亿真实实验结构(PDB、EMDB、BindingDB)及合成数据增强训练。其开源推理框架已接入欧洲生物信息研究所(EBI)云平台,并同步向全球学术机构开放API试用权限;辉瑞、阿斯利康等12家跨国药企已启动早期验证合作,聚焦激酶抑制剂与PROTAC降解剂的先导化合物优化场景。

产业影响深远:传统药物靶点验证平均耗时4.2年、成本超12亿美元,而AlphaFold 3将靶标-配体结合构象模拟周期压缩至小时级,显著降低湿实验试错率。Nature同期评论指出,该技术或使‘计算优先’(Computation-First)新药研发范式成为主流——预计2026年前,30%的临床前候选分子将经AI结构模型初筛。监管层面,FDA已于4月更新《AI辅助药物开发指南草案》,明确将高置信度AI结构预测纳入CMC申报支持性数据范畴。

展望未来,DeepMind团队透露AlphaFold 4研发已启动,目标整合细胞微环境参数(pH、离子强度、相分离状态)实现条件敏感型构象预测;更长远看,与冷冻电镜实时数据流融合、构建‘数字孪生细胞’仿真平台,将成为下一代AI生物模型的核心战场。学界亦呼吁建立跨模态验证标准(如AI预测—X射线晶体学—氢氘交换质谱三重交叉验证协议),以平衡创新速度与科学严谨性。这场由结构生物学引爆的AI制药深水区变革,正从算法突破加速转向系统性产业重构。