文丨海天
在我们的星球上，动物和人实际上都是由无数分子组成的机器。蛋白质、DNA及其它分子组合在一起，变成动物和人，但组成的元素并非孤立运行，而是交织在一起。我们如果想理解生命，就要了解各组成元素是如何交互的。
最近谷歌DeepMind在《Nature》发表论文，介绍了AlphaFold 3模型，谷歌宣称该模型可以预测生命分子的结构和交互形态，精准度极度。相比前代模型，在预测蛋白质与其它分子类型交互作用时，精准度提升至少50%，如果是一些比较重要的交互形式，精准度直接提升约一倍。
AlphaFold 3可以帮助研究人员理解生物世界，也可以协助人类寻找药物。谷歌AlphaFold 3已经免费向科学家开放大部分功能，科学家通过AlphaFold Server工具就能访问。为了在AlphaFold基础上开发药物， Isomorphic Labs人工智能药物公司已经与许多制药公司携手合作，解决药物设计难题，他们的最终目标是开发创新药物。
探索生命分子结构的秘密
2020年DeepMind推出AlphaFold 2模型，宣称在蛋白质结构预测方面实现根本性突破。已经有许多研究人员利用AlphaFold 2研发疟疾疫苗、寻找癌症治疗方案、设计酶。AlphaFold 3更进一步，它可以预测更多的分子结构类型。
上图是AlphaFold 3预测的图像，蓝色代表感冒病毒刺突蛋白（spike protein），绿色代表抗体，黄色代表单糖(simple sugars)，图像告诉我们三者是如何交互作用的，它们与灰色真实结构高度吻合。
人类只有深入理解免疫系统运作机制才能更好理解冠状病毒，提升治愈率，这就是AlphaFold 3的意义所在。
我们只需要输入分子信息，AlphaFold 3就可以将它们变成3D结构图，告诉我们分子们是如何结合的。蛋白质、DNA、RNA模型可以处理，配体（Ligands）等小分子也可以处理。
不只如此，AlphaFold 3还可以在化学层面修饰分子，这些分子是控制细胞健康的关键，修饰之后通过大模型就能预测后果。
AlphaFold 2已经很强大，它是基于深度学习架构 Evoformer开发的，AlphaFold 3更先进，它是基于升级版Evoformer开发的。
AlphaFold 3利用扩散网络（Diffusion Net）进行预测，AI图像生成器也用到了扩散网络。扩散处理过程从原子云开始，然后经过许多处理步骤最终输出更精准的分子结构图。
谷歌称：“AlphaFold 3在分子交互预测方面的精准度已经超越所有过往系统。”
傻瓜式AlphaFold Server工具
DeepMind新推出的AlphaFold Server可以精准预测蛋白质与其它分子的交互作用是如何进行的，它是一个免费平台，科学家可以通过它进行非商业性搜索。
只需要点击几下，生物学家就能利用AlphaFold 3给蛋白质、DNA、RNA等分子绘制结构模型。
科学家可以提出一些新奇的设想，然后用AlphaFold Server验证，这样就能加快创新速度。
在没有AlphaFold Server工具之前，科学家如果想预测蛋白质结构，需要有很高的学历，还要耗费大量时间和金钱。
DeepMind已经搭建一套庞大的数据库，里面有200万蛋白质结构，它们将会通过AlphaFold Server分享给科研工作者。科学工作者不需要懂得精深的计算机知识，只需要点击几下就能测试。
DeepMind资深科学家John Jumper称：“生物学家擅长生物学，但他们不是计算机专家。对于生物学家而言，AlphaFold Server必须容易使用，这点很重要。有了AlphaFold Server，生物学家可以轻松测试更大、更复杂的项目。”
进步体现在何处？扩大预测范围
2018年时谷歌DeepMind发布消息称，它正在开发名为AlphaFold的软件，该软件可以预测蛋白质结构。2020年AlphaFold 2推出，它的精准度足够高，已经能够在分子生物学领域掀起风暴。
一年之后AlphaFold开源，平台内有35万预测蛋白质结构，当中包括人类身体上所有的蛋白质类型。
到了2022年，DeepMind又公布200多万种蛋白结构。
简单总结一下：AlphaFold可以预测蛋白质结构，AlphaFold 2提高了预测精准度，随后推出的AlphaFold-Multimer扩大预测范围，覆盖有多个蛋白质链的复合物，到了AlphaFold 2.3更进一步，不仅提高了性能，还将预测范围覆盖到更大的复合物。
到了这次AlphaFold 3推出时，模型已经可以预测蛋白质、DNA、RNA、配体、离子和化学修饰等多种分子结构，甚至可以说它已经能预测所有生命的分子结构。
DeepMind CEO Demis Hassabis宣称：“AlphaFold 2是结构生物学的重要里程碑，它解放了所有类型的神奇研究。AlphaFold 3又向前迈进一大步，我们可以利用AI理解生物学，给生物学建模。”
研究人员通过AlphaFold 3可以进入分子结构数据库，挑选分子，然后AlphaFold 3就会用扩散网络技术将各分子结构组合，为新结构绘制3D模型。
当然，即使我们真的能用AlphaFold 3预测分子结构，要开发出实用药物仍然面临重重挑战，比如要在实验中验证，要走完临床流程。
AlphaFold 3最大的作用在于改变实验流程，科学家可以先假设，然后用AlphaFold 3验证，然后再进入实验室验证。AlphaFold 3也并不完美，和其它AI一样，AlphaFold 3也存在“幻觉”，会输出杂乱的分子预测结构。正因如此，AlphaFold 3会用颜色区分预测结构的可信度，不同颜色代表不同等级的可信度。
如果您有什么想说的，欢迎屏幕前你们在评论区留言讨论！
如果您想要获取最新的科技趋势分析、行业内部的独家见解、定期的互动讨论和知识分享、与行业专家的直接面对面交流的机会！
参考链接：
1、网页链接
2、网页链接