DeepMind AlphaFold 3 突破：精准预测所有生物分子结构，包括 DNA 和 RNA

DeepMind AlphaFold 3 突破：精准预测所有生物分子结构，包括 DNA 和 RNA

Google DeepMind 发表了 AlphaFold 3 的研究成果，将其前代的蛋白质结构预测能力扩展到准确建模所有生物分子的结构和相互作用——包括 DNA、RNA、小分子、离子和翻译后修饰。该研究发表在 Nature 上，代表了计算生物学的根本性飞跃。

AlphaFold 3 的新功能

虽然 AlphaFold 2 革命性地改变了蛋白质结构预测，但它仅限于单个蛋白质。AlphaFold 3 通过统一架构解决了这个问题：

核心能力

• DNA-RNA-蛋白质复合物：模拟转录因子如何结合 DNA，核糖体如何与 mRNA 相互作用
• 小分子相互作用：预测药物结合位点和分子相互作用
• 翻译后修饰：模拟磷酸化、糖基化和其他蛋白质修饰
• 离子配位：准确预测蛋白质中的金属离子结合位点

技术架构

• 使用基于扩散的生成模型替代 AlphaFold 2 的模板匹配方法
• 跨所有分子类型联合学习的成对表示
• 在蛋白质数据库（PDB）和 Isomorphic Labs 的专有结构数据上训练

性能基准

AlphaFold 3 在多个基准测试中达到最先进结果：

实际影响

药物发现

• 制药公司可以使用 AlphaFold 3 以原子分辨率预测药物候选物与靶蛋白的相互作用
• 减少早期药物发现中昂贵的 X 射线晶体学实验需求
• Isomorphic Labs（DeepMind 的药物发现子公司）已在与礼来和诺华的合作中使用 AlphaFold 3

遗传病研究

• 准确的 DNA-蛋白质相互作用建模有助于理解基因突变如何破坏分子功能
• 以更高精度预测 CRISPR 脱靶效应

农业生物技术

• 模拟植物-病原体蛋白质相互作用用于作物改良
• 预测酶-底物相互作用用于生物燃料优化

开放获取和可用性

• AlphaFold 3 预测通过 AlphaFold Server 提供（学术用途免费）
• Isomorphic Labs 通过合作伙伴关系处理商业应用
• AlphaFold 蛋白质结构数据库现包含预测的复合物结构

局限性

• 含有超过 4 条分子链的复合物预测精度下降
• 动态构象和柔性区域仍然具有挑战性
• 扩散模型对大型复合物可能计算昂贵
• 翻译后修饰预测仍落后于实验方法

下一步

DeepMind 表示未来工作将专注于：

1. 分子动力学：预测复合物随时间的运动和变化
2. 冷冻电镜整合：将预测结构与实验密度图结合
3. 细胞级建模：最终模拟整个细胞环境

来源: Nature | Google DeepMind