点击本文中加粗蓝色字体即可一键直达新药情报库免费查阅文章里提到的药物、机构、靶点、适应症的最新研发进展。
AlphaFold3为药物研发者提供了一种迅速定位潜在目标的能力，这可能显著减少药物从研发到上市所需的时间，缩短数年。
不仅能够预测蛋白质结构，AlphaFold3还能预测DNA、RNA以及配体等其他分子的结构，以及它们之间的相互作用方式。谷歌表示，对于蛋白质与其他分子类型的相互作用，AlphaFold3至少实现了50%的改进，在某些关键的相互作用类型上，预测精度甚至提高了一倍。
5月初，Google DeepMind和Isomorphic Labs联合推出了AlphaFold3，并在《自然》杂志上发表了相关论文，详细介绍了这一创新模型。AlphaFold3的推出，为药物研发者提供了快速定位有潜力的靶点的能力，有望大幅度缩短药物研发周期。
与之前的AlphaFold1和AlphaFold2相比，AlphaFold3在预测蛋白质结构的基础上，进一步扩展了对DNA、RNA和配体等其他分子结构的预测能力，以及它们之间的相互作用。谷歌在其网站上展示了AlphaFold3预测的多种分子结构样本，包括普通感冒病毒的刺突蛋白、与DNA结合的蛋白质、RNA修饰蛋白和酶等。
谷歌指出，AlphaFold2在蛋白质结构预测上已经取得了突破性进展，而AlphaFold3则进一步拓宽了研究视野，不仅局限于蛋白质，还包括更广泛的生物分子。这一进步可能将引领一系列创新科学的发展，从开发生物可再生材料和更适应性强的作物，到加速药物设计和基因组学研究。
普美瑞生物的首席科学家常珊表示，AlphaFold3有效地解决了单一深度学习模型在准确预测所有生物分子及其复合物结构方面的挑战，特别是在分子间相互作用的应用上，拓宽了其应用范围。普美瑞生物是一家专注于AI蛋白质预测的公司。
常珊认为，AlphaFold3能够实现超越蛋白质的重大突破，Isomorphic Labs的参与至关重要，这使得药物设计成为AlphaFold3最容易实现的应用场景之一。Isomorphic Labs是一家专注于AI药物研发的公司，从DeepMind分离出来。
常珊团队开发的CoDock药物发现算法，在第14届和第15届蛋白质结构预测比赛（CASP）中均获得了优异成绩。而AlphaFold1和AlphaFold2之所以名声大噪，也是因为它们在CASP比赛中的出色表现。
蛋白质结构预测一直是一个难题。蛋白质由氨基酸链组成，这些链通过折叠形成三维结构，对蛋白质的生物学功能至关重要。对于药物开发来说，蛋白质是关键的靶点，通过设计能够与特定蛋白质结合的药物，可以治疗多种疾病。
上世纪80年代，科学家提出了蛋白质从头设计的概念，通过预测蛋白质结构来设计新的蛋白质。尽管可以通过X射线晶体衍射、冷冻电镜和核磁共振等实验方法预测蛋白质结构，但这些方法耗时且成本高昂。因此，科学家开始尝试使用计算方法进行预测。然而，多年来，计算方法的预测准确性并不理想，尤其是在预测大型或复杂的蛋白质结构时。
为了推动计算方法在蛋白质结构预测上的研究，自1994年起，蛋白质结构预测比赛CASP每两年举行一次。CASP旨在提供一个客观的测试平台，每年有100多个全球研究小组参与。1996年，最困难的蛋白质预测GDT分数仅为40分。然而，这一分数在2018年的CASP13中被刷新，Google DeepMind的AlphaFold1以58.9分的中位GDT分数名列第一，引起了全球关注。
DeepMind对AlphaFold1进行了重要改进，推出了AlphaFold2。在2020年的CASP14中，AlphaFold2再次获得第一名，GDT中位分数达到了92.4分，准确率远超其他团队，与实验技术相当。即使是最困难的结构组，GDT中位分数也达到了87分。这表明困扰科学家50多年的蛋白质折叠问题得到了解决。
AlphaFold2的成功受到了广泛关注，Nature、Science、MIT Technology Review和New Scientist等媒体纷纷报道了这一进展。
一年后，DeepMind与欧洲生物信息学研究所合作，推出了AlphaFold蛋白质结构数据库。科学家开始利用AlphaFold2加速药物发现。
谷歌表示，到目前为止，全球已有数百万研究人员使用AlphaFold2进行研究，包括发现疟疾疫苗、癌症药物和设计酶。AlphaFold已被引用超过两万次，获得了多项奖项，包括生命科学突破奖。
然而，AlphaFold3仍存在一些问题和局限性。常珊指出，任何单一方法都难以在所有情况下都表现最佳，例如在RNA结构预测上，AlphaFold3的性能还有待提高。此外，即使输入了正确的手性参考结构，AlphaFold3有时仍会输出违反手性的模型。AlphaFold3模型预测的只是单一静态结构，无法捕捉生物分子在溶液中的动态行为，这对于全面了解生物大分子的功能至关重要。
常珊还提到了DeepMind为配合AlphaFold3发布而推出的AlphaFold Server在线平台。与AlphaFold DB相比，AlphaFold Server仅供个人和非商业组织使用，且服务器预测出的结构或文件不允许商业使用。此外，AlphaFold Server的在线预测服务也有限制，例如，尽管AF3可以预测多达400多种配体，但在线预测可供选择的配体只有19种，且不能提交自定义配体。每个账户每天仅允许免费预测20个任务，且在线预测的复合体结构最大只允许5000 token。常珊推测，这可能是因为这对于Isomorphic Labs的药物设计商业模式非常重要。
免责声明：新药情报内容编辑团队专注于介绍全球生物医药健康研究的最新进展，本文旨在提供信息交流，不代表任何立场或治疗方案推荐。如需专业医疗建议，请咨询正规医疗机构。
