AI接近成為神？ GoogleAlphaFold 3直接預測生命過程

當人們還在呼喚GPT-5、輾轉於各種聊天機器人爭奪戰時，Google已經把人工智慧模型與現實世界的距離又拉近了一大步。

Google DeepMind負責人Demis Hassabis 隆重官宣講了這項革命性成果：

Google Deepmind與Isomorphic Labs共同推出新一代AI模型AlphaFold 3，將技術擴展到蛋白質摺疊之外，能以前所未有的精度精確預測蛋白質、DNA、RNA、配體等生命分子的結構及相互作用。

團隊發表在《自然》雜誌的論文稱，與現有方法相比，AlphaFold 3預測蛋白質與其他分子的作用至少改進50%，預測一些重要的相互作用類別精準性甚至翻倍。

我們知道，每個動植物和人體細胞內都存在著數十億台由蛋白質、DNA等構成的“分子機器”，但任何一種分子都無法單獨工作。也就是說，AlphaFold 3透過觀察它們如何相互作用、組合成數百萬種不同類型，能幫助我們真正理解萬物的生命過程！

除此之外，Google DeepMind 還基於AlphaFold 3推出了一個易於使用的免費平台—— AlphaFold Server，供全世界的科學家利用它進行非商業性研究。

不僅是精確預測結構，在這裡，研究人員還能藉助AlphaFold 3的強大功能對包含蛋白質、DNA、RNA以及一些配體、離子和化學修飾的結構進行建模，提出大膽的問題，加速工作處理程序。

這意味著什麼呢？

以往透過實驗預測蛋白質結構大概需要四、五年時間，且耗資數十萬美元。而現在科學家只需點擊幾下，就能輕鬆看到細胞系統的全部複雜性，包括結構、互動和修飾。進而理解這些連接如何影響生物功能——例如藥物作用、荷爾蒙產生和維持健康的DNA 修復過程等。加速藥物設計和基因組研究，開啟人工智慧細胞生物學的新時代，真正造福人類。

同時，這種驚人的能力也讓不少人感慨，AI正在接近成為可以預測和理解生命的「神」？

背後是Evoformer模組和Diffusion技術

根據DeepMind團隊介紹，只要給定一系列分子的輸入，AlphaFold 3就可以產生它們的聯合3D結構，並揭示它們如何相互契合。它不光能模擬如蛋白質、DNA和RNA等大型生物分子，還能模擬包括許多藥物類化合物在內的小分子配體。

例如下面的7R6R - DNA結合蛋白：由AlphaFold 3模擬的蛋白質（藍色）與DNA雙螺旋（粉紅色）結合，跟著透過複雜實驗發現的真實分子結構（灰色）幾乎完美匹配。

不僅如此，AlphaFold 3還能模擬這些分子上的化學修飾。這些修飾控制著細胞的正常功能，一旦受到干擾就可能導致疾病。也就是說，透過模擬分子的化學變化，AlphaFold 3可以預測疾病的發生。

AlphaFold 3的這些能力來源於其新一代架構和涵蓋生命體內所有分子的訓練。模型核心是改進版的Evoformer模組－一種AlphaFold 2所採用的深度學習架構。

在處理輸入後，AlphaFold 3使用類似於AI圖像生成器的擴散網絡產生預測結果。整個過程從一團模糊的原子雲開始，經過多個步驟，逐漸去噪，最終形成具體的分子結構。在預測類藥分子互動作用方面，AlphaFold 3達到了前所未有的精確度，是真正以全域方式計算整個分子複合物的單一模型。

AlphaFold 3引領藥物發現

當這個革命性成果引入物理世界，為藥物創新設計帶來的貢獻將無法估量。

在PoseBusters基準測試中，AlphaFold 3無需任何結構資訊輸入，就以高於最優傳統方法50%的精準率成為首個在生物分子結構預測方面超越物理學工具的人工智慧係統。它在預測蛋白質與配體以及抗體與其標靶蛋白結合的能力，對於理解人體各類免疫反應和研發新的抗體療法至關重要。

下圖中，AlphaFold 3精確預測了感冒病毒OC43的尖峰蛋白與抗體和醣分子的相互作用，有助於我們深入理解冠狀病毒，提升對COVID-19等疾病的治療效果。

據悉，為了發揮AlphaFold 3在藥物設計上的潛力，Isomorphic Labs已經開始與製藥公司合作。結合自主開發的一套輔助AI模型，嘗試攻克未解決的新標靶，以期最終開發出能改變患者生活的新療法。

AlphaFold的前世今生

這次的新模型AlphaFold 3是建立於Google在2020年發布的上一代AlphaFold 2基礎之上。後者最大的創新點在於實現了通過端到端的方式，直接從蛋白質序列學習其三維結構，避免了傳統方法中的資訊丟失問題。

到目前為止，全球已經有數百萬研究人員借助AlphaFold 2在包括瘧疾疫苗、癌症治療和酵素設計等許多領域取得巨大進展。 AlphaFold被引用超過2萬次，Demis Hassabis和共同開發者John Jumpe也於2023年獲得有「科學界奧斯卡」之稱的生命科學突破獎和「諾獎風向標」拉斯克獎，以表彰他們為基礎醫學研究做出的突出貢獻。

但是，AlphaFold 2仍存在一些不足，例如演算法的系統偏差和對動態結構變化預測能力有限等。而今天問世的AlphaFold 3比起上一代來，在預測範圍、精度和應用領域上都有了飛躍式提升：

與先前侷限於蛋白質結構不同，AlphaFold 3還能預測DNA 和RNA 等分子結構及其完整的相互作用，覆蓋更多類型的生物分子，並且具備原子級精度，展現細節顯著提升。

這實際上是一個重大的技術突破，使得AlphaFold 3 可以更好地理解疾病機制，解鎖更多科學發現，從開發生物可再生材料到加速藥物設計和基因組學研究，應用也更為廣泛。

可以說，Alphafold 3的推出，給人們帶來的振奮程度遠甚於刷新大模型榜的benchmark。

輝達高級研究經理Jim Fan把AlphaFold-3形容為“人工智慧在生物學領域最大突破的最新迭代版本”，並激動地說：

「我們生活在這樣一個時代，Llama和Sora等模型的學習成果可以為生命科學研究提供資訊和加速發展。這種廣泛的通用性簡直令人難以置信。同一個transformer+diffusion架構不僅可以產生精美的像素，只要你將資料相應地轉換為浮點數序列，它也可以想像出蛋白質分子。訓練資料和神經網絡架構。

有人看到了AlphaFold-3模型除生物醫藥以外，在材料科學領域帶來的應用前景。

有人強調這是第一個在精確度上超越基於物理模擬的模型，並且它免費獲取，易於使用。 “你有很多理由討厭Google，但這絕對不是其中之一。如果讓它開源，你將看到奇蹟般的化學作用。”

還有評論說這是繼ChatGPT發布後最令人興奮的新聞，「這才是AI造福社會的正確打開方式」。

也是所謂真正意義上的──「有效加速」。

Google表示，AlphaFold 3和AlphaFold Server平台將賦能科學家們加快在生物學未解之謎和新研究路線上的發現。 “我們才剛剛開始探索AlphaFold 3的潛力，對未來的發展無比期待。”

一直以來，人類的夢想簿上書寫著許多偉大的願望：攻剋癌症、研發新疫苗、戰勝罕見疾病....科學家們前僕後繼，一代又一代地努力著。

而現在，人工智慧真正化身利器，為人類與時間和疾病的競速賽跑增添戰鬥價值。對於無數患者而言，更少的時間與研究成本，也意味著更多人能更快速地獲得創新藥物，帶來更多生的希望。

這也許就是AGI的終極奧義。 （矽星人Pro）