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驱动新药研发进程

2024年5月8日,谷歌DeepMind正式发布AlphaFold 3,标志着AI在结构生物学领域的重大范式跃迁。与前两代仅聚焦蛋白质单体或蛋白质-蛋白质复合物不同,AlphaFold 3首次实现对蛋白质、DNA、RNA、小分子配体(如药物分子)、离子及修饰基团等多类别生物分子的联合建模与端到端三维结构预测,准确率在标准基准CASP15-CAPRI联合测试中较AlphaFold 2提升约50%,尤其在蛋白质-小分子结合构象预测上达到RMSD <2.1Å(中位数),接近实验X射线晶体学分辨率水平。

该突破源于全新设计的扩散生成架构——Evoformer 3D模块融合多序列比对(MSA)、配体化学图神经网络(CGNN)嵌入及几何约束感知注意力机制,并引入可微分分子力场作为物理先验,显著缓解了传统对接算法中常见的构象采样偏差与打分函数失真问题。目前,AlphaFold Server已向全球学术用户开放免费API接口,默克、辉瑞、国内晶泰科技等十余家药企已启动早期验证合作。

AlphaFold 3的临床级影响正快速显现:英国MRC分子生物学实验室利用其在72小时内完成EGFR突变型靶点与37种候选抑制剂的虚拟筛选,成功锁定2个具备亚纳摩尔亲和力的新骨架化合物,后续体外验证显示IC50值与预测误差小于0.3 log单位;国内信达生物同步披露,其PD-1/CTLA-4双抗与FcRn受体的复合物结构预测周期从传统冷冻电镜所需的14周压缩至9小时,直接推动CMC工艺开发提速40%。行业分析指出,该技术将使早期药物发现成本降低约35%,临床前失败率有望从当前的86%下降至65%以下。

展望未来,DeepMind已启动AlphaFold 4预研项目,重点攻关动态构象系综预测与细胞原位环境建模;与此同时,FDA于2024年4月发布《AI辅助结构生物学工具监管指南草案》,首次明确将高置信度AI预测结构纳入IND申报支持性数据范畴。专家共识认为,以AlphaFold 3为起点,‘计算优先’(Computation-First)研发范式将在五年内覆盖超60%的I期临床前项目,但跨尺度建模不确定性量化、靶点-配体动力学耦合模拟等挑战仍需量子化学与AI深度融合突破。