5月9日消息，由Google DeepMind與Isomorphic Labs聯(lián)合研發(fā)的新一代人工智能模型AlphaFold 3，登上了權(quán)威科學期刊Nature。

AlphaFold 3以其革命性的精確度，成功預(yù)測了包括蛋白質(zhì)、DNA、RNA、配體在內(nèi)的所有生命分子的結(jié)構(gòu)和相互作用。

與現(xiàn)有預(yù)測方法相比，AlphaFold 3在發(fā)現(xiàn)蛋白質(zhì)與其他分子類型的相互作用方面，準確率至少提高了50%，對于某些關(guān)鍵的相互作用類別，準確率甚至翻倍。

研究團隊認為，AlphaFold 3將有助于改變我們對生物世界和藥物發(fā)現(xiàn)的理解，進而開啟人工智能細胞生物學的新時代。

Isomorphic Labs正與多家制藥公司合作，將AlphaFold 3應(yīng)用于現(xiàn)實世界的藥物設(shè)計挑戰(zhàn)中，旨在為人類最具破壞性的疾病開發(fā)新療法。

此外，Google DeepMind也推出了基于AlphaFold 3的免費平臺——AlphaFold Server，供全球科學家進行非商業(yè)性研究，進一步預(yù)測蛋白質(zhì)與其他分子的相互作用。

AlphaFold 3的強大能力，來自于其新一代的架構(gòu)和訓練(已經(jīng)涵蓋了所有生命分子)。其核心是改進版本的Evoformer模塊，這是一種深度學習架構(gòu)，也是AlphaFold 2取得成功的基礎(chǔ)。

盡管AlphaFold 3展現(xiàn)出巨大潛力，但研究團隊也指出了其存在的局限性，包括立體化學限制、幻覺影響、預(yù)測準確性問題、結(jié)構(gòu)構(gòu)象限制、缺乏動態(tài)信息以及特定目標預(yù)測限制等。