DeepMind

Alphabet 旗下的AI研究公司DeepMind与药物发现公司Isomorphic Labs携手，于周三（5/8）发表了AlphaFold 3模型，可用来预测所有生命分子的结构与相互作用，在预测蛋白质与其它分子类型的相互作用上，其準确率比现有的方法增加了50%。该研究已登上《自然》（Nature）科学期刊，同时DeepMind亦推出免费但仅供研究的AlphaFold Server平台。

不管是植物、动物或是人类的细胞内都有数十亿个分子机器，由蛋白质、DNA与其它分子组成，它们无法独立运作，因此只有藉由观察它们如何在数百万种组合中相互运作，才能真正理解生命的过程。

DeepMind在2020年发表的AlphaFold 2主要是提供蛋白质结构的预测，迄今全球已有超过数百万的研究人员利用AlphaFold 2来发现疟疾疫苗或癌症治疗方式，在期刊上也被引用逾2万次。而最新的AlphaFold 3模型也是奠基在AlphaFold 2上，只是将预测能力从蛋白质扩大至广泛的生物分子，此举将可开启更多科学上的变革，包括开发生物可再生材料、更有弹性的作物，以及加速药物设计与基因研究等。

DeepMind指出，AlphaFold 3以前所未有的準确度预测所有生命分子的结构及相互作用，在蛋白质与其它分子类型的相互作用上，比现有预测方法的準确度提高了50%，而对某些重要的相互作用类别，準确度更提高了一倍。

例如在AlphaFold 3针对普通感冒病毒（冠状病毒OC43）中的刺突蛋白（7PNM）与抗体及单糖相互作用时的结构预测，与其真实结构準确匹配。提高人们对此类免疫系统过程的了解将有助于强化对冠状病毒的认识，包括COVID-19在内，因而得以提高改善治疗的可能性。

AlphaFold 3可藉由预测药物中常用的配体或抗体等分子与蛋白质之间的相互作用来改善药物设计，DeepMind宣称它在药物的相互作用上比PoseBusters基準测设中最好的传统方法还要準确50%，而且不必输入任何的结构资讯，使得AlphaFold 3成为第一个超越物理生物分子结构预测工具的AI系统。

同一天DeepMind也发表了免费的AlphaFold Server供研究人员使用，可用来预测蛋白质如何与细胞中的其它众多分子相互作用，每个任务最多只能包含5,000个Token，每天最多只能执行10个任务，禁止将输出用于对接与筛选工具，也不能用来训练机器学习模型或相关技术。

DeepMind期望AlphaFold 3能够改善人们对生物世界及药物发现上的理解，而自DeepMind拆分的Isomorphic Labs也已开始与不同的製药公司合作，以将该模型应用在现实世界的药物设计。