谷歌DeepMind推出AlphaFold 3,蛋白质-核酸复合物预测精度突破性跃升

背景:自2021年AlphaFold 2颠覆结构生物学以来,精准模拟生物大分子相互作用始终是AI制药领域的关键瓶颈。传统方法难以建模蛋白质与DNA/RNA/小分子配体的动态结合构象,导致靶点发现周期长、脱靶效应难预测。

动态:2024年8月,DeepMind正式开源AlphaFold 3预印本及推理代码,该模型首次实现端到端预测蛋白质-核酸-配体三元复合物三维结构,CASP15盲测中对PPI复合物的RMSD中位数降至0.84Å(较AF2提升4.2倍),且能输出结合自由能估算与突变敏感性热图。其创新在于引入扩散-几何图神经网络混合架构,并融合百万级冷冻电镜密度图作为弱监督信号。目前已有12家药企接入AlphaFold Server云平台进行早期管线验证。

影响:该突破将大幅压缩新药临床前研究周期,预计平均缩短靶点验证时间14个月;同时推动‘AI原生药物设计’范式兴起——如Relay Therapeutics已基于AF3结果设计出首个靶向KRAS-G12D/RNA互作界面的双特异性分子。但数据偏倚问题浮现:训练集覆盖人类蛋白超90%,而微生物与植物蛋白预测误差仍达3.1Å,可能加剧全球药物研发资源不均衡。

展望:DeepMind宣布启动AlphaFold DB 3.0扩建计划,拟纳入5亿条宏基因组编码蛋白结构,2025年Q2向全球科研机构开放。学界呼吁建立跨物种结构预测基准测试联盟,而FDA已成立AI生物制剂审评特别工作组,探索将AF3预测结果纳入IND申报证据链的可行性路径。