時(shí)隔3年，AlphaFold 3橫空出世，再次掀起AI學(xué)術(shù)圈巨震！

初代AlphaFold誕生之后，一直停留在預(yù)測(cè)「蛋白質(zhì)」的宇宙中。

今天，升級(jí)后的AlphaFold 3能夠以前所未有的「原子精度」，預(yù)測(cè)出所有生物分子的結(jié)構(gòu)和相互作用。

圖片

最重要的是，與傳統(tǒng)方法相比，AF3預(yù)測(cè)相互作用的準(zhǔn)確率暴漲50%。

對(duì)一些重要的相互作用類(lèi)型，其預(yù)測(cè)精度甚至可以提升100%。

最新研究已在Nature發(fā)表，并登上今天的頭版。

圖片

文章地址：https://www.nature.com/articles/d41586-024-01383-z

圖片

論文地址：https://www.nature.com/articles/s41586-024-07487-w

谷歌DeepMind聯(lián)合創(chuàng)始人、CEO Demis Hassabis表示，AlphaFold 3的發(fā)布是一個(gè)重要的里程碑，在AI理解和建模生物學(xué)的道路上，AI又邁出了重要一步！

AlphaFold 3可以生成蛋白質(zhì)、核酸（DNA/RNA）和更小分子的3D結(jié)構(gòu)，并揭示它們?nèi)绾谓M合在一起。

它還可以模擬細(xì)胞之間化學(xué)變化，以控制細(xì)胞的正常運(yùn)轉(zhuǎn)，預(yù)防疾病發(fā)生。

圖片

7R6R - DNA結(jié)合蛋白：AlphaFold 3對(duì)一個(gè)分子復(fù)合體的預(yù)測(cè)展現(xiàn)了蛋白質(zhì)（藍(lán)色）與DNA雙螺旋（粉色）的結(jié)合，其預(yù)測(cè)結(jié)果與通過(guò)繁復(fù)實(shí)驗(yàn)得到的真實(shí)分子結(jié)構(gòu)（灰色）高度吻合

與Sora一樣，它是一個(gè)生成式神經(jīng)網(wǎng)絡(luò)模型。

很明顯，谷歌DeepMind團(tuán)隊(duì)已經(jīng)用上了這波AI革命最核心的組合架構(gòu)——Transformer+Diffusion！

得益于新一代技術(shù)架構(gòu)，AlphaFold 3成為了「單一AI模型」。

它能以全面的方式計(jì)算整個(gè)分子復(fù)合體，并生成最精準(zhǔn)的結(jié)構(gòu)。

圖片

8AW3 - RNA修飾蛋白：AlphaFold 3對(duì)一個(gè)包含蛋白質(zhì)（藍(lán)色）、一條RNA（紫色）和兩個(gè)離子（黃色）的分子復(fù)合體的預(yù)測(cè)與真實(shí)結(jié)構(gòu)（灰色）非常吻合

同在今天，谷歌DeepMind還推出了免費(fèi)研究平臺(tái)「AlphaFold Server」，供全球科學(xué)家非商業(yè)化研究。

不論每個(gè)人的技術(shù)專(zhuān)長(zhǎng)如何，只需點(diǎn)擊幾下，就可以利用AlphaFold 3在10分鐘內(nèi)預(yù)測(cè)分子，并測(cè)試假設(shè)。

圖片

值得一提的是，AlphaFold 3已在自家實(shí)驗(yàn)室Isomorphic Labs，實(shí)現(xiàn)了高度準(zhǔn)確預(yù)測(cè)配體-受體相互作用，并幫助他們構(gòu)想藥物發(fā)現(xiàn)的過(guò)程。

如下是，AlphaFold 3預(yù)測(cè)不存在的Tim-3免疫蛋白結(jié)構(gòu)，結(jié)果幾乎一致！

圖片

在DeepMind首席執(zhí)行官Demis Hassabis看來(lái)，這將是價(jià)值千億美元的產(chǎn)業(yè)。

未來(lái)的某一天，AlphaFold或許將摘下藥物發(fā)現(xiàn)的「圣杯」。

圖片

截至目前，全球已經(jīng)有180+萬(wàn)的科學(xué)家使用AlphaFold加速研究，包括開(kāi)發(fā)生物可再生材料，或推進(jìn)基因研究。

這一刻，對(duì)于所有人來(lái)說(shuō)，AlphaFold 3簡(jiǎn)直就是海嘯級(jí)的存在。

AlphaFold 2的致命性短板，AlphaFold 3補(bǔ)上了！

2021年發(fā)布的AlphaFold 2，對(duì)生物學(xué)產(chǎn)生的影響已經(jīng)是革命性的。它以堪比傳統(tǒng)實(shí)驗(yàn)方法的驚人準(zhǔn)確度，根據(jù)氨基酸序列預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu)。

圖片

免費(fèi)訪問(wèn)的AlphaFold數(shù)據(jù)庫(kù)，收錄了幾乎所有已知蛋白的預(yù)測(cè)結(jié)構(gòu)，AlphaFold 2的代碼也已開(kāi)源。

圖片

然而，在DeepMind 研究團(tuán)隊(duì)領(lǐng)頭人John Jumper看來(lái)，AlphaFold 2卻并未達(dá)到顛覆性影響。

原因何在？

這是因?yàn)?，AlphaFold 2在預(yù)測(cè)蛋白質(zhì)生態(tài)系統(tǒng)時(shí)，仍存在許多局限。

而它無(wú)法準(zhǔn)確預(yù)測(cè)的這些領(lǐng)域，卻對(duì)科學(xué)家極為重要。

比如對(duì)蛋白質(zhì)的修飾——添加磷酸鹽分子后，就可以使細(xì)胞對(duì)外部信號(hào)（如感染）作出反應(yīng)，并引發(fā)一連串行為。另外，與DNA、RNA及其他化學(xué)物質(zhì)的相互作用，對(duì)許多蛋白質(zhì)的功能也至關(guān)重要。

遺憾的是，這些領(lǐng)域，對(duì)AlphaFold 2還是一塊黑域。

而在Jumper看來(lái)，最理想的工具，應(yīng)該同時(shí)具備預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu)及其配件結(jié)構(gòu)的能力。比如谷歌DeepMind希望，能夠解析整個(gè)PDB蛋白質(zhì)數(shù)據(jù)庫(kù)。

令人驚喜的是，AlphaFold 3出現(xiàn)了！

對(duì)于預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu)及其相互作用伙伴，AlphaFold 3的有效性都遠(yuǎn)超現(xiàn)有的工具。

比如，希望發(fā)現(xiàn)新藥物的科學(xué)家，都會(huì)借助docking軟件來(lái)確認(rèn)蛋白質(zhì)結(jié)構(gòu)，物理模擬蛋白質(zhì)與化學(xué)物質(zhì)的結(jié)合效果。

而AlphaFold 3的實(shí)驗(yàn)效果就要好于docking，以及另一個(gè)AI工具RoseTTAFold All-Atom。

倫敦Francis Crick研究所的生物化學(xué)家Frank Uhlmann在使用過(guò)AlphaFold 3，就表示效果喜人！

他的團(tuán)隊(duì)利用AlphaFold 3，預(yù)測(cè)了參與基因組復(fù)制的DNA相互作用蛋白的結(jié)構(gòu)，這是細(xì)胞分裂的關(guān)鍵步驟。

圖片

2017年加入谷歌DeepMind的John Jumper領(lǐng)導(dǎo)了開(kāi)發(fā)AlphaFold 3的團(tuán)隊(duì)

在之后的實(shí)驗(yàn)中，他們使用了變異蛋白來(lái)改變相互作用，結(jié)果顯示：預(yù)測(cè)結(jié)果非常準(zhǔn)確。

華盛頓大學(xué)西雅圖分校的計(jì)算生物物理學(xué)家David Baker評(píng)價(jià)說(shuō)：「AlphaFold 3的結(jié)構(gòu)預(yù)測(cè)表現(xiàn)非常出色?！?/p>

Baker團(tuán)隊(duì)就是RoseTTAFold All-Atom的開(kāi)發(fā)者，但他還是承認(rèn)AlphaFold 3的表現(xiàn)更好。

所有生物分子結(jié)構(gòu)和相互作用，從此可以被預(yù)測(cè)

在每個(gè)植物、動(dòng)物和人類(lèi)的細(xì)胞中，存在著數(shù)十億個(gè)微小的分子機(jī)器，它們由蛋白質(zhì)、DNA以及其他分子構(gòu)成。然而沒(méi)有一個(gè)部分可以單獨(dú)發(fā)揮作用。

如何真正開(kāi)始理解生命的過(guò)程？唯有通過(guò)研究這些分子如何在數(shù)百萬(wàn)組合中相互作用。

由此，AlphaFold 3的誕生便顯得意義重大！

因?yàn)橛辛怂瑥拇巳祟?lèi)能夠以前所未有的精度，預(yù)測(cè)所有生物分子的結(jié)構(gòu)和相互作用。

圖片

對(duì)于蛋白質(zhì)與其他分子相互作用的預(yù)測(cè)，AlphaFold 3相比現(xiàn)有方法至少有50%的提升，對(duì)一些重要的相互作用類(lèi)型，預(yù)測(cè)精度甚至可以提升100%。

我們對(duì)生物世界和藥物發(fā)現(xiàn)的認(rèn)識(shí)，可能從此會(huì)被AlphaFold 3徹底改變。

這次，谷歌DeepMind也留了一手。他們并未在論文中公布AlphaFold3的代碼和底層信息，但模型的大部分功能仍然可以通過(guò)AlphaFold Server平臺(tái)免費(fèi)使用。

AlphaFold 3模型的構(gòu)建，是以前代AlphaFold 2為基礎(chǔ)的。

圖片

AlphaFold 2多次榮登Nature和Science封面

自AlphaFold 2問(wèn)世以來(lái)，全世界數(shù)百萬(wàn)研究者已經(jīng)在瘧疾疫苗、癌癥治療和酶設(shè)計(jì)等諸多領(lǐng)域取得了突破。而發(fā)布于2018年的AlphaFold，論文引用量直接超過(guò)了20000次，還被授予2023年生命科學(xué)突破獎(jiǎng)。

圖片

而AlphaFold 3的誕生，則讓生物分子領(lǐng)域的研究拓展到了蛋白質(zhì)之外。

生物可再生材料、更耐用作物的培養(yǎng)、藥物設(shè)計(jì)和基因組學(xué)研究等等，可能將很快迎來(lái)顛覆性變革。

圖片

7PNM - 一種普通感冒病毒的突起蛋白（冠狀病毒OC43）：隨著病毒蛋白（藍(lán)色部分）與抗體（綠色）和單糖（黃色）相互作用AlphaFold 3對(duì)7PNM的預(yù)測(cè)結(jié)果，與真實(shí)結(jié)構(gòu)（灰色）高度吻合。如果進(jìn)一步了解這類(lèi)免疫系統(tǒng)過(guò)程，我們就能更好地理解COVID-19在內(nèi)的冠狀病毒，改進(jìn)治療方法

輸入一系列分子的信息，AlphaFold 3就能生成它們的3D結(jié)構(gòu)，展示這些分子如何緊密配合。

厲害的是，它不僅能模擬蛋白質(zhì)、DNA和RNA這樣的大型生物分子，還能處理小分子如配體——許多藥物都屬于這一類(lèi)。

圖片

配體與DNA結(jié)合的示例

甚至，AlphaFold 3還能模擬這些分子的化學(xué)修飾，這些修飾是細(xì)胞健康運(yùn)作的關(guān)鍵，如果失調(diào)就可能引發(fā)疾病。

AI革命性架構(gòu)——擴(kuò)散模型

正如之前所述，AlphaFold 3之所以如此強(qiáng)大，正是因?yàn)樗男乱淮軜?gòu)和訓(xùn)練方式，能夠覆蓋所有生命分子。

也就是，顛覆整個(gè)AI世界的「擴(kuò)散模型」，已經(jīng)用在了AlphaFold 3的訓(xùn)練中。

模型的核心，就是改進(jìn)后的Evoformer模塊，這是一種深度學(xué)習(xí)架構(gòu)，也正是是AlphaFold 2卓越性能的基石。

處理輸入數(shù)據(jù)后，AlphaFold 3就可以利用「擴(kuò)散網(wǎng)絡(luò)」來(lái)構(gòu)建預(yù)測(cè)結(jié)果，跟AI圖像生成中使用的網(wǎng)絡(luò)類(lèi)似。

擴(kuò)散過(guò)程從一個(gè)原子云開(kāi)始，經(jīng)過(guò)多個(gè)步驟，最終收斂于最精確的分子結(jié)構(gòu)。

對(duì)于分子相互作用的預(yù)測(cè)，AlphaFold 3的精度已經(jīng)超越了所有現(xiàn)有技術(shù)！

作為一個(gè)全面計(jì)算整個(gè)分子復(fù)合體的單一模型，它獨(dú)特地能整合科學(xué)洞見(jiàn)。

藥物設(shè)計(jì)，被徹底顛覆

AlphaFold 3的這種強(qiáng)大功能，直接讓我們的藥物設(shè)計(jì)走向了新的天地！

這是因?yàn)椋潴w和抗體這些常用于藥物的分子，現(xiàn)在都可以通過(guò)AlphaFold 3來(lái)預(yù)測(cè)了。

如下三個(gè)例子中，展示了AF3如何將許多蛋白質(zhì)與各自的配體折疊在一起，并闡釋了其作用的機(jī)制。

首先展示的是，具有獨(dú)特折疊結(jié)構(gòu)的蛋白質(zhì)。

圖片

下面是，AlphaFold 3正確預(yù)測(cè)了一種新型抑制劑的變構(gòu)結(jié)合模式（PDB ID 7QIE）。

圖片

AF3還正確預(yù)測(cè)了PORCN與LGK974和WNT3A肽的復(fù)合物，為臨床階段分子的抑制功能提供了結(jié)構(gòu)依據(jù)（PDB ID 7URD）。

圖片

在預(yù)測(cè)藥物相互作用上，AlphaFold 3取得了空前的準(zhǔn)確度，無(wú)論是蛋白質(zhì)與配體的結(jié)合，還是抗體與其目標(biāo)蛋白的結(jié)合。

在PoseBusters基準(zhǔn)測(cè)試中，無(wú)需任何結(jié)構(gòu)信息輸入，AlphaFold 3的準(zhǔn)確性就比傳統(tǒng)SOTA提高了50%。

由此，它也成為生物分子結(jié)構(gòu)預(yù)測(cè)領(lǐng)域中，首個(gè)超越物理基礎(chǔ)工具的AI系統(tǒng)！

如今我們能夠預(yù)測(cè)抗體和蛋白質(zhì)的結(jié)合，那就可以理解人類(lèi)免疫反應(yīng)的關(guān)鍵，以及新抗體的設(shè)計(jì)。

從此，我們藥物設(shè)計(jì)的成功率會(huì)大大提高，還能夠探索新的疾病靶點(diǎn)，從前針對(duì)現(xiàn)有靶點(diǎn)難以達(dá)到的創(chuàng)新方法，現(xiàn)在也能在AlphaFold 3的幫助下開(kāi)發(fā)出來(lái)。

AlphaFold Server：與全世界共享的免費(fèi)工具

此外，谷歌DeepMind團(tuán)隊(duì)也會(huì)負(fù)責(zé)任地與世界共享AlphaFold 3的力量。

谷歌DeepMind會(huì)推出全球最準(zhǔn)確的工具AlphaFold Server，用于預(yù)測(cè)蛋白質(zhì)如何在細(xì)胞內(nèi)與其他分子相互作用。

這是一個(gè)免費(fèi)平臺(tái)，允許全球科學(xué)家進(jìn)行非商業(yè)性研究使用，包含免費(fèi)的2億蛋白質(zhì)結(jié)構(gòu)數(shù)據(jù)庫(kù)。

圖片

只要幾次點(diǎn)擊，生物學(xué)家就可以利用AlphaFold 3模擬由蛋白質(zhì)、DNA、RNA及各種配體、離子和化學(xué)修飾組成的結(jié)構(gòu)了！

從此，科學(xué)家在實(shí)驗(yàn)中的研究假設(shè)，就可以由AlphaFold Server驗(yàn)證了。

這個(gè)平臺(tái)，可謂意義重大。

實(shí)驗(yàn)性的蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)，原本需要花費(fèi)讀個(gè)博士學(xué)位的時(shí)間，以及數(shù)十萬(wàn)美元的費(fèi)用。而按照當(dāng)前實(shí)驗(yàn)結(jié)構(gòu)生物學(xué)的發(fā)展速度，這本需要數(shù)億researcher-year的工作。

有了AlphaFold 3，從此生物世界可以以高清晰度呈現(xiàn)。

科學(xué)家能夠全面觀察細(xì)胞系統(tǒng)的復(fù)雜性，包括結(jié)構(gòu)、相互作用和修飾，藥物作用、激素生成和DNA修復(fù)如何影響生物功能，從此都將被揭示。

圖片

7BBV - 酶：AlphaFold 3對(duì)一個(gè)包含酶蛋白（藍(lán)色）、離子（黃色球體）和簡(jiǎn)單糖（黃色）的分子復(fù)合體的預(yù)測(cè)，以及其真實(shí)結(jié)構(gòu)（灰色）。這種酶源自一種對(duì)多種植物有害的土傳真菌（Verticillium dahliae）。深入了解這種酶與植物細(xì)胞的相互作用有助于研究人員培育出更健康、更抗逆的作物

訪問(wèn)受限，畢竟還要商業(yè)利益

不過(guò)，AlphaFold 3的使用上也會(huì)受到很多限制。

與RoseTTAFold和AlphaFold 2不同，研究者們無(wú)法運(yùn)行自己的AlphaFold 3版本，也無(wú)法公開(kāi)AlphaFold3的底層代碼，或模型訓(xùn)練后獲得的其他信息。

他們能做的，就是使用「AlphaFold 3服務(wù)器」，輸入自己選擇的蛋白質(zhì)序列和一些輔助分子。

而且，對(duì)AlphaFold 3服務(wù)器的訪問(wèn)也是受限的。目前每天研究者只能進(jìn)行10次預(yù)測(cè)，且無(wú)法獲取與潛在藥物結(jié)合的蛋白質(zhì)結(jié)構(gòu)。

圖片

但科學(xué)家Uhlmann仍然對(duì)此表示滿意，在他看來(lái)，這個(gè)服務(wù)器比AlphaFold 2版本更簡(jiǎn)潔——

只要上傳數(shù)據(jù)，10分鐘后就能得到結(jié)構(gòu)。對(duì)大多數(shù)科學(xué)家而言，這個(gè)服務(wù)器將大大簡(jiǎn)化他們的工作。

之所以做此限制，是因?yàn)楣雀鐳eepMind也是要盈利的。比如，它的子公司Isomorphic Labs已經(jīng)開(kāi)始用AlphaFold 3來(lái)開(kāi)發(fā)藥物了。

DeepMind的AI科學(xué)負(fù)責(zé)人及該研究的合著者Pushmeet Kohli表示，他們希望AlphaFold 3既能對(duì)科學(xué)家產(chǎn)生影響，又能在保護(hù)Isomorphic在制藥方面的商業(yè)利益上找到平衡。

也因此，加州大學(xué)舊金山分校的藥物化學(xué)家Brian Shoichet認(rèn)為AlphaFold 3不會(huì)像AlphaFold 2那樣產(chǎn)生廣泛影響，因?yàn)樗拗屏伺c潛在藥物的蛋白質(zhì)互動(dòng)建模。

而MIT的進(jìn)化生物學(xué)家Sergey Ovchinnikov則雄心勃勃地表示，根據(jù)Nature提供的詳盡信息，在年底之前，估計(jì)就會(huì)有團(tuán)隊(duì)開(kāi)發(fā)出開(kāi)源解決方案了。

全新的架構(gòu)

根據(jù)論文的介紹，AF3的整體架構(gòu)（圖1d）在很大程度上繼承了AlphaFold 2的設(shè)計(jì)。

圖片

首先通過(guò)一個(gè)龐大的主干來(lái)處理化學(xué)復(fù)合物的成對(duì)表征，隨后通過(guò)一個(gè)結(jié)構(gòu)模塊將這些表示轉(zhuǎn)換為具體的原子位置。

圖片

不過(guò)，AF3在每個(gè)關(guān)鍵組件上都進(jìn)行了重大調(diào)整。

與AlphaFold 2中的原始Evoformer相比，處理塊的數(shù)量減少到4個(gè)，MSA表征的處理采用了成本較低的成對(duì)加權(quán)平均法，并且后續(xù)步驟僅使用成對(duì)表征。

新的「Pairformer」（圖2a）取代了AlphaFold 2的「Evoformer」，成為主要的處理模塊——只處理成對(duì)和單一表征，不再保留MSA表征，所有信息都通過(guò)成對(duì)表征進(jìn)行傳遞。

圖片

最終，成對(duì)和單一表征連同輸入表示一起傳遞到新的擴(kuò)散模塊（圖2b），該模塊取代了AlphaFold 2的結(jié)構(gòu)塊。

圖片

擴(kuò)散模塊（Diffusion Module）直接處理原始原子坐標(biāo)和一種粗略的抽象Token表征，而不采用旋轉(zhuǎn)框架或任何等變處理。

在AlphaFold 2的研究中，團(tuán)隊(duì)發(fā)現(xiàn)簡(jiǎn)化結(jié)構(gòu)模塊的復(fù)雜性對(duì)預(yù)測(cè)精度的影響較小，而保留主鏈框架和側(cè)鏈扭轉(zhuǎn)表征則大大增加了對(duì)一般分子圖的處理復(fù)雜度。

為此，團(tuán)隊(duì)采用了一種標(biāo)準(zhǔn)的擴(kuò)散方法，訓(xùn)練擴(kuò)散模型處理「加噪」的原子坐標(biāo)，并預(yù)測(cè)其真實(shí)坐標(biāo)。這就要求網(wǎng)絡(luò)在不同的長(zhǎng)度尺度上學(xué)習(xí)蛋白質(zhì)結(jié)構(gòu)，小噪聲去噪重點(diǎn)在于理解局部立體化學(xué)，而大噪聲去噪則關(guān)注系統(tǒng)的大尺度結(jié)構(gòu)。

在推理階段，會(huì)隨機(jī)采樣噪聲，并通過(guò)反復(fù)去噪得到最終結(jié)構(gòu)。

值得注意的是，這種生成式訓(xùn)練方法會(huì)產(chǎn)生多種可能的結(jié)果。這意味著，即使網(wǎng)絡(luò)對(duì)某些位置的確定性不高，每個(gè)結(jié)果的局部結(jié)構(gòu)（如側(cè)鏈鍵的幾何結(jié)構(gòu)）也都會(huì)非常清晰。

由此，既可以避免使用基于扭轉(zhuǎn)的殘基參數(shù)化和對(duì)結(jié)構(gòu)的違規(guī)損失，同時(shí)處理配體的全部復(fù)雜性。

與一些近期的研究一致，團(tuán)隊(duì)發(fā)現(xiàn)架構(gòu)中不需要對(duì)分子的全局旋轉(zhuǎn)和平移進(jìn)行不變性或等變性處理，因此省略了這些設(shè)計(jì)，并簡(jiǎn)化了機(jī)器學(xué)習(xí)架構(gòu)。

不過(guò)，生成式擴(kuò)散方法很容易產(chǎn)生「幻覺(jué)」——即ACCELERATED ARTICLE PREVIEW模型可能在結(jié)構(gòu)不明顯的區(qū)域創(chuàng)造出看似合理的結(jié)構(gòu)。

為了抑制這種現(xiàn)象，團(tuán)隊(duì)采用了一種創(chuàng)新的交叉蒸餾（cross-distillation）方法。

通過(guò)在預(yù)訓(xùn)練數(shù)據(jù)集中加入AlphaFold-Multimer v2.3預(yù)測(cè)的結(jié)構(gòu)，使AlphaFold 3學(xué)會(huì)了模仿「用長(zhǎng)的擴(kuò)展環(huán)路來(lái)表示無(wú)結(jié)構(gòu)區(qū)域」這種行為，進(jìn)而極大地減少了AF3的幻覺(jué)行為。

圖片

由于擴(kuò)散訓(xùn)練只涉及單步擴(kuò)散而非完整的結(jié)構(gòu)生成（圖2c），因此團(tuán)隊(duì)開(kāi)發(fā)了一種擴(kuò)散「展開(kāi)」過(guò)程，用于訓(xùn)練期間生成完整的結(jié)構(gòu)預(yù)測(cè)。

接著，利用這個(gè)預(yù)測(cè)結(jié)構(gòu)來(lái)調(diào)整對(duì)稱的真實(shí)鏈和配體的位置，并計(jì)算性能指標(biāo)，以此訓(xùn)練置信度組件。

圖片

如圖2d所示，在初始訓(xùn)練階段，模型很快就能預(yù)測(cè)出局部結(jié)構(gòu)（所有內(nèi)鏈指標(biāo)迅速提升，在前20,000次訓(xùn)練步驟中就達(dá)到了最大性能的97%）。

然而，模型在學(xué)習(xí)整體結(jié)構(gòu)方面需要更長(zhǎng)的時(shí)間（界面指標(biāo)上升較慢，蛋白質(zhì)-蛋白質(zhì)界面LDDT在60,000步之后才達(dá)到97%的標(biāo)準(zhǔn)）。

圖片

在AF3的開(kāi)發(fā)過(guò)程中，團(tuán)隊(duì)發(fā)現(xiàn)某些模型功能很早就達(dá)到了頂峰并開(kāi)始下降，這很可能是因?yàn)閷?duì)這些功能的訓(xùn)練樣本數(shù)量有限導(dǎo)致了過(guò)擬合，而其他功能則仍然訓(xùn)練不足。

為此，團(tuán)隊(duì)調(diào)整了相應(yīng)訓(xùn)練集的抽樣概率，并采用所有上述指標(biāo)及一些額外指標(biāo)的加權(quán)平均進(jìn)行早期停止，來(lái)選擇最佳模型檢查點(diǎn)。

圖片

在微調(diào)階段，團(tuán)隊(duì)通過(guò)使用更大的裁剪尺寸顯著提升了模型在所有指標(biāo)上的表現(xiàn)，特別是在蛋白質(zhì)-蛋白質(zhì)界面上的表現(xiàn)。

圖片

網(wǎng)友：AF3將摘下生物學(xué)「圣杯」

AlphaFold 3誕生，意味著什么？

「我們即將在未來(lái)幾年內(nèi)，對(duì)所有疾病了如指掌。我們正站在未來(lái)十年可能治愈所有疾病的邊緣」。

圖片

還有網(wǎng)友表示，AI即將徹底改變醫(yī)學(xué)。我們需要用它來(lái)提高可用性、改善療效，降低看病成本。

圖片

英偉達(dá)高級(jí)科學(xué)家Jim Fan稱贊道，「AlphaFold 3是生物AI取得最大突破的最新迭代版本。不同以往，AlphaFold 3使用了『Diffusion』來(lái)渲染分子結(jié)構(gòu)。它從一團(tuán)模糊的原子云開(kāi)始，然后通過(guò)去噪逐漸將分子實(shí)體化」。

我們生活在這樣一個(gè)時(shí)代，Llama和Sora等模型的發(fā)展可以為生命科學(xué)研究提供啟發(fā)并加速進(jìn)程。我發(fā)現(xiàn)這種通用性水平實(shí)在是難以置信。同樣基于Transformer+Diffusion架構(gòu)的模型，不僅可以生成精美的像素圖像，還能想象出蛋白質(zhì)分子，只要將數(shù)據(jù)適當(dāng)轉(zhuǎn)換為浮點(diǎn)數(shù)序列即可。

我們目前還沒(méi)有實(shí)現(xiàn)單一的AGI模型，但我們已經(jīng)成功構(gòu)建了一系列通用的AI「配方」，可以跨領(lǐng)域遷移訓(xùn)練、數(shù)據(jù)和神經(jīng)網(wǎng)絡(luò)架構(gòu)。理論上這是不可能的，但它確實(shí)奏效了!

還有網(wǎng)友發(fā)現(xiàn)，Nature論文中多次提到了「diffusion」。

圖片

從AF3身上，再次讓許多人見(jiàn)識(shí)到了「擴(kuò)散模型」的強(qiáng)大威力。

圖片

就連專(zhuān)業(yè)領(lǐng)域的醫(yī)學(xué)科學(xué)家，完全被AF3的能力震驚到了，一句話用了4個(gè)驚嘆體。

現(xiàn)在，這就是生物學(xué)的「圣杯」！AlphaFold 3不僅將徹底改變我們對(duì)生物系統(tǒng)的認(rèn)識(shí)，還將以前所未有的水平上確定新的、特異的化學(xué)或生物藥物！我無(wú)法用言語(yǔ)來(lái)形容這是一個(gè)多么重大的進(jìn)步！真是嘆為觀止！

圖片

等不到GPT-5的網(wǎng)友，瞬間覺(jué)得GPT-5都不香了。

圖片

還有人暗示，如果谷歌能將代碼開(kāi)源，或許我們?cè)缫训竭_(dá)了AGI。

圖片

參考資料：

https://blog.google/technology/ai/google-deepmind-isomorphic-alphafold-3-ai-model/

https://www.quantamagazine.org/new-ai-tools-predict-how-lifes-building-blocks-assemble-20240508/

https://twitter.com/DrJimFan/status/1788233450123936020