Google DeepMind 釋出 AlphaFold 3 的原始碼和模型權重供學術使用，這項重大進展可望加速科學發現和藥物開發。這項驚喜公告發布的幾週前，該系統的創造者 Demis Hassabis 和 John Jumper 才因其在蛋白質結構預測方面的工作榮獲 2024 年諾貝爾化學獎。AlphaFold 3 比其前身有了巨大的飛躍，能預測蛋白質如何與 DNA、RNA 和小分子相互作用，使其從專門工具轉變為研究分子生物學的綜合解決方案。這項突破將對藥物研發和分子生物學帶來革命性的影響。
AlphaFold 3 的革命性突破
AlphaFold 3 採用基於擴散的方法，直接處理原子坐標，這代表了分子建模的根本性轉變。此外，它與分子相互作用的基本物理學相符，使其準確性超過了傳統的基於物理學的方法。AlphaFold 3 不需要任何結構輸入資訊，就能準確地預測蛋白質 – 配體相互作用，為分子生物學研究開闢了新的可能性。
開源的爭議：平衡科學開放與商業利益
AlphaFold 3 在 5 月首次亮相時，DeepMind 決定保留程式碼，同時透過網路介面提供有限的使用權限。此舉引發了研究人員的批評，因為他們認為這項技術應該完全公開，以促進科學進步。然而，DeepMind 也需要考慮商業利益，因為其姊妹組織 Isomorphic Labs 致力於利用 AlphaFold 3 開發新藥。此次開源釋出提供了一條中間道路，在程式碼可自由使用和模型權重需要明確許可之間取得平衡。
AlphaFold 3 對藥物研發的影響
AlphaFold 3 可以幫助研究人員更深入地了解疾病的分子機制，並預測藥物如何與體內的蛋白質相互作用，進而開發更有效的治療方法。此外，它在預測抗體 – 抗原相互作用方面的準確性，可以加速治療性抗體的開發，為癌症、自身免疫性疾病和其他疾病提供新的治療方案。
AlphaFold 3 的局限性
雖然 AlphaFold 3 是一個強大的工具，但它也有局限性。例如，它有時會在無序區域產生錯誤的結構，並且只能預測靜態結構而不是分子運動。因此，它仍然需要與傳統的實驗方法結合使用才能獲得更全面的結果。
AlphaFold 3 的未來展望
AlphaFold 3 的釋出代表了人工智慧驅動科學向前邁出的重要一步。隨著研究人員將此工具應用於各種挑戰，例如設計酶和開發抗逆作物，我們將看到計算生物學中的新應用。AlphaFold 3 的真正考驗在於它對科學發現和人類健康的實際影響。隨著全球研究人員開始使用這一強大的工具，我們可能會看到在理解和治療疾病方面比以往任何時候都更快地取得進展。
常見問題QA
AlphaFold 3 的原始碼可在創用 CC 許可下自由使用，但存取關鍵模型權重需要 Google 明確許可才能用於學術用途。
AlphaFold 3 可以預測大部分蛋白質的結構，但它在預測無序區域的結構方面仍然存在困難。
AlphaFold 3 可以用於設計新的藥物、預測藥物相互作用和開發新的治療方法。
相關連結：
Share this content:
