東時間5月8日，谷歌DeepMind與 Isomorphic Labs（DeepMind 創(chuàng)始人創(chuàng)立）宣布推出新一代AI生物分子結構模型AlphaFlod 3。

據悉，新的模型不僅局限于蛋白質結構的預測，它還能夠預測DNA、RNA、配體等生命分子的結構和相互作用，甚至可以預測翻譯后修飾（PTM）和離子對相應分子系統(tǒng)結構的影響。研究人員僅需輸入一個生物分子復合體的基本描述，幾秒后便能收獲該復合體3D結構的準確預測。

被《Nature 》收錄的《Accurate structure prediction of biomolecular interactions with AlphaFlod 3》 對模型的能力進行了詳細論證。

據論文數據顯示：與現有的預測方法相比，AlphaFlod 3無需輸入任何結構信息的情況下，其準確性已比PoseBusters基準上的最佳傳統(tǒng)方法高出50%（一些特殊場景可達100%），理論上優(yōu)于現有的基于物理的生物分子結構預測工具。

不過，任何工具的使用都不能脫離實際。經歷數天測試，已有不少專家學者引入實際問題對AlphaFlod 3的能力評估。就目前測試結果而言，AlphaFlod 3確實充滿潛力，但還不足以“顛覆”這一領域。

全生命分子預測，AlphaFlod 3更接近AIDD了

與過往的AlphaFlod系列工具類似，AlphaFlod 3也采取了神經網絡架構，并以蛋白質數據庫（PDB）中的全球分子結構數據為基礎進行訓練。不過，AlphaFlod 3的預測準度在大部分場景中都遠超前代產品，且在預測范疇上實現了大規(guī)模的擴充。

這些能力的升級來源于AlphaFlod 3新引入的主要組件，包括升級版的Evoformer模塊（現為Pairformer 模塊）、全新的Diffusion Network等。其中，Diffusion Network從點云通過概率擴散預測坐標，進而實現了更高的預測精度。

此外，一些模型上的創(chuàng)新也對AlphaFlod 3的預測結果進行了優(yōu)化。在手性分子等形態(tài)相似結構上，算法常會發(fā)生預測錯誤。這類情況下，AlphaFlod 3采用了交叉蒸餾的方式，讓具備Transform模型的AlphaFlod 2先行預測，再把預測數據添加到 AlphaFlod 3 的訓練中，一定程度提升了預測的準確率。

論文展示了部分AlphaFlod 3的預測結果。例如對感冒病毒刺突蛋白（ 藍色 ）與抗體（ 綠松石色 ）和單糖（ 黃色 ）相互作用時的結構預測，與真實結構準確匹配（ 灰色的）中，它與實驗室得到的結果幾近完全匹配（灰色部分）。