AlphaFold 3 是 Google DeepMind 和 Isomorphic Labs 开发的人工智能模型的最新版本，代表着在预测所有生命分子的结构和相互作用方面的重大突破。
AlphaFold 3 可以生成蛋白质、DNA、RNA 和更小分子的三维结构，同时揭示它们是如何组合在一起的。 它还能模拟它们的化学变化，这些变化控制着细胞的健康运作，一旦受到破坏，就可能导致疾病。
AlphaFold 3 的主要功能包括：
- 预测生物分子复合物的 3D 结构，包括蛋白质、DNA、RNA、配体和离子。
- 帮助药物发现：帮助了解小分子如何与药物结合、结合强度如何，以及它可能与其他什么结合。
- 模拟化学修饰和翻译后变化对生物分子结构和功能的影响，这对于了解疾病和开发针对性治疗至关重要。
- 实现最先进的准确性，在某些情况下，可以将以前预测重要分子接口的方法的精度提高一倍。
- 提供易于使用的在线工具 AlphaFold Server，使生物学家无需高级计算知识即可测试他们的假设。
研究人员表示，AlphaFold 3 将通过减少物理生产和测试生物设计的时间和成本来显着加速药物发现，这是生物技术的主要瓶颈。
somorphic Labs 是 Google DeepMind 的姊妹公司，已经在自己的药物设计计划以及与制药公司的合作中使用 AlphaFold 3
总体而言，AlphaFold 3 代表了我们理解生命分子基础的能力的革命性进步，并有可能为科学研究和治疗开发开辟新途径。
网友：
1、这是非常有前途的，这比大模型更重要。几年前 Demis 发布第一个 AlphaFold 时，他说这将带来各种生物应用的疯狂进步，并使研究人员的工作速度提高 10 倍。事实上，地球上的每个生物实验室都在使用它，但是生物和药物研究以及临床试验需要数年时间。
2、AlphaFold 的使用人数已超过 100 万人。它正在加速科学发展，你只需要等待更长的时间就能看到它。
3、AlphaFold 参与了最近的几项医学突破和进步：
- 加速被忽视疾病的药物发现：被忽视疾病药物倡议 (DNDi) 正在使用 AlphaFold 帮助确定针对恰加斯病和利什曼病等疾病的新候选药物，这些疾病对发展中国家的影响尤为严重。
- 对抗抗生素耐药性：科罗拉多大学博尔德分校的研究人员使用 AlphaFold 研究与抗生素耐药性相关的蛋白质，帮助他们在 30 分钟内识别出一种细菌蛋白质结构，而此前他们已经躲避了 10 年。
- 了解轮状病毒毒株：AlphaFold 使研究人员能够识别 B 组轮状病毒中的新蛋白质折叠，这可能解释了为什么该毒株比其他主要影响儿童的毒株更容易感染成人。
- 探索帕金森病的神经保护因素：一个国际团队使用 AlphaFold 模拟 STIP1 蛋白质的结构，并研究其作为帕金森病神经保护剂的潜在作用。 [3]
- 揭示 SARS-CoV-2 蛋白细节：加州大学旧金山分校的研究人员使用 AlphaFold 揭示了一种关键 SARS-CoV-2 蛋白先前未知的结构细节，推动了 COVID-19 疗法的开发。
4、随着时间的推移，研究人员每年可以发现数百万种新药，但只有少数获得足够的投资来获得批准，而且投入生产的新药也更少。从开始研究到交付产品大约需要 10 年的时间。迄今为止已有大约十年历史的、改变世界的医学发现也是如此。
5、CRISPR本身存在很多问题，比如安全问题，它会导致DNA断裂，并可能导致肿瘤。而我们目前还没有一种理想的方法将CRISPR导入人体，目前的解决方案都存在很多问题，比如AAV，它具有免疫原性，而且一生只能使用一次。
那时的CRISPR有点像2012年的深度学习，深度学习当年引起轰动，但距离发展已经有十年了。更不用说生物学本身的发展就非常缓慢。
6、这是从预测蛋白质折叠到预测整个分子的升级。例如，它可以预测蛋白质与 DNA、RNA 和离子结合的精确程度。
7、难道这不值得诺贝尔奖吗？我们还要等多久才能为人工智能代理颁发诺贝尔奖？
8、对于人类来说，AlphaFold 3 的意义远远超过任何大模型，因为它提供了长寿甚至永生的真正希望。
9、AlphaFold 3 的发布是一件大事，因为它是一种超级智能人工智能，可以预测生命的微小构建模块（如蛋白质）如何折叠和相互作用。这有助于科学家更好地了解疾病并更快地找到新药物。另外，它可供研究人员免费使用，这对于加快发现速度非常有用。
小结
AlphaFold-3已经发布，这是生物学AI最大突破的最新版本。
- AlphaFold-3使用扩散来“渲染”分子结构。
- 它从模糊的原子云开始，然后通过去噪逐渐实现分子。
我们生活在一个时间轴上，从Llama和Sora那里学到的知识可以为生命科学提供信息和加速生命科学的发展。
这种普遍性的程度绝对令人难以置信。
同样的Transformer+diffusion架构可以生成漂亮的像素，也可以想象蛋白质，只要你相应地将数据转换为浮点序列。
虽然，我们还没有建立一个单一的AGI模型，但我们已经成功地建立了一个通用AI食谱菜单，可以跨领域传输训练、数据和神经架构。