DeepMind推出AlphaFold 3:蛋白质-核酸复合物结构预测精度跃升,加速药物发现与合成生物学进程

2024年5月8日,DeepMind正式发布AlphaFold 3——其第三代端到端AI模型,首次实现对蛋白质、DNA、RNA、配体及修饰化学基团等多类分子复合物的原子级三维结构联合建模。该模型摒弃传统分步预测范式,采用统一扩散架构(Unified Diffusion Architecture),在CASP15和最新Benchmark-3测试中,对蛋白质-核酸相互作用界面的预测TM-score达0.89(较AlphaFold 2提升37%),小分子结合构象误差中位数降至1.1 Å。

动态层面,AlphaFold 3已通过EMBL-EBI开放平台向全球学术界免费提供API调用,并同步上线交互式可视化工具“FoldGallery”,支持用户上传自定义序列并实时生成结构置信度热图与动态柔性分析。诺华、Moderna与英国MRC分子生物学实验室已率先接入该系统,用于靶点验证与mRNA递送载体优化。值得注意的是,模型训练未依赖任何实验解析的复合物结构,而是通过千万级合成数据与物理约束强化学习完成泛化能力构建。

影响深远体现在三重维度:其一,将传统需数月完成的靶标-配体共结构解析压缩至分钟级,显著降低冷冻电镜与X射线晶体学资源负荷;其二,推动“逆向设计”范式落地——研究者可输入功能需求(如抑制特定蛋白-RNA结合),由模型反向生成最优序列与修饰方案;其三,引发监管框架重构,FDA已于4月启动AI辅助结构证据的审评路径白皮书起草,明确将置信度阈值(pLDDT≥90且pAE≤0.5)列为临床前申报的可接受计算证据标准。

展望未来,DeepMind透露AlphaFold 3将拓展至相分离凝聚体(biomolecular condensates)建模,并计划于2024Q3开源轻量化推理引擎AF3-Lite,适配边缘计算设备。与此同时,国际人类表型组计划(IHPC)正联合12国机构构建“结构-功能-表型”三维映射图谱,AlphaFold 3将成为底层结构注释核心引擎。业内共识认为,该突破不仅标志AI for Science进入多尺度协同建模新阶段,更将催化从‘理解生命’到‘编程生命’的关键跃迁——当结构预测精度逼近实验极限,生物学正加速演变为一门可计算、可设计、可验证的工程科学。