AlphaFold3來了

5月8日出版的《自然》報道了AlphaFold 3能以較高準確率預測蛋白質與其他生物分子相互作用的結構。AlphaFold 3是該人工智能模型的最新迭代，準確率比之前的專用工具顯著提升，該模型由谷歌DeepMind和Isomorphic Labs的團隊研發。

這一最新模型能夠預測包含蛋白質數據銀行（Protein Data Bank）內幾乎所有分子類型的復合物的結構。這種用計算機解析蛋白質與其他分子復雜相互作用的能力，將拓展研究人員對生物過程的理解，并有望推動藥物研發。

AlphaFold首次于2020年問世，它和迭代版AlphaFold 2能夠根據蛋白質的氨基酸（蛋白質的基本成分）序列預測其3D結構。之后的AlphaFold-Multimer推動了對蛋白質-蛋白質復合物的預測。不過，由于不同類型蛋白質的相互作用差異太大，因此用單一深度學習模型預測復合物的范圍一直很難。

在新的研究中，DeepMind的John Jumper和同事報告說，在AlphaFold 2模型的深度學習架構和訓練系統的大幅提升下，如今可以對一個統一框架內大量生物分子系統的結構進行更準確的預測。

AlphaFold 3能預測蛋白質與其他蛋白質、核酸、小分子、離子、修飾蛋白質殘基的復合物，以及抗體-抗原相互作用。預測準確性顯著超過當前預測工具，包括AlphaFold-Multimer。

同時，研究人員也指出了一些局限性，比如約4.4%的結構會出現不正確的手性（一種對稱特性）。他們補充道，模擬準確率的進一步提升需要生成一個很大的預測集并對預測結構進行排序，而這會產生額外的計算成本。

相關論文信息：https://doi.org/10.1038/s41586-024-07487-w