AlphaFold 3 登上 Nature：从蛋白质到全部生命分子的结构预测

Google DeepMind 与 Isomorphic Labs 于 2024 年 5 月 8 日在 Nature 发表 AlphaFold 3：采用全新的扩散架构，不仅能预测蛋白质结构，还能预测蛋白质与 DNA、RNA、配体及其他分子的相互作用——覆盖几乎所有生命分子。

相比只能处理蛋白质的 AlphaFold 2，3 代把 AI 结构预测从单一分子推向分子相互作用，直接服务于药物研发。Isomorphic Labs 随后基于其推进 AI 制药并推动管线进入临床。

同年年底，AlphaFold 团队获颁诺贝尔化学奖——AlphaFold 3 是这一荣誉背后持续突破的最新章节，AI for Science 从愿景变成生产力。

从“预测结构”到“发现药物”的价值跃迁

AlphaFold 2 解决的是“单个蛋白质长什么样”，而药物发现的真正问题是“分子之间如何相互作用”。AlphaFold 3 把预测范围扩展到蛋白质与 DNA、RNA、配体的复合结构，恰好对准了“候选分子能不能结合靶点”这个制药核心问题。这不是一次精度数字的提升，而是从基础科学工具向产业生产力的跨越——Isomorphic Labs 随后基于它推进 AI 制药管线入临（参见本站 AI 药物发现报道），正是这一跨越的直接体现。

本站解读

AlphaFold 系列是 AI for Science 最有说服力的样本：它不靠参数规模或基准分取胜，而是直接重定义了一个基础科学学科的工作方式。它与同年诺贝尔奖（参见本站报道）一起，标志着 AI 在科学发现中从“辅助工具”升格为“发现引擎”。真正值得关注的下一步是临床验证：结构预测再准，也需要实验室与临床试验逐级验证——AI 把发现新药的周期缩短了多少，最终要用上市药物的数量来回答。