AI 蛋白质预测工具 AlphaFold3 现已开源

AI 蛋白质预测工具 AlphaFold3 现已开源

AlphaFold3 终于面世了。谷歌 DeepMind 发布六个月后 有争议的代码 一 蛋白质结构预测模型论文 科学家现在可以 下载软件代码 这家总部位于伦敦的公司于 11 月 11 日宣布，将人工智能工具用于非商业应用。

“我们很高兴看到人们用它做什么，”John Jumper 说道，他是 DeepMind AlphaFold 团队的领导者，上个月加入了首席执行官 Demis Hassabis 的行列。 荣获部分2024年诺贝尔化学奖 感谢他们在人工智能工具方面的工作。

与它的前辈不同，AlphaFold3 能够模拟蛋白质与其他分子的结合 。而不是发布底层代码 - 就像这样 阿尔法折叠2 情况就是这样——DeepMind 通过网络服务器提供访问，这限制了科学家可以做出的预测的数量和类型。

至关重要的是，AlphaFold3 服务器不允许科学家预测蛋白质在存在潜在药物的情况下会如何反应。但现在 DeepMind 决定发布代码意味着学术科学家可以通过自己运行模型来预测这种相互作用。

该公司最初表示，仅通过网络服务器提供 AlphaFold3 在提供研究访问和保护商业野心之间取得了适当的平衡。 Isomorphic Labs 是 DeepMind 伦敦分公司，正在将 AlphaFold3 应用到药物发现中。

然而 取消了 AlphaFold3 的发布，但没有其代码或模型权重 通过蛋白质结构和其他数据训练软件获得的参数引起了科学家的批评，他们表示此举破坏了可重复性。 DeepMind 很快得出结论，并表示该工具的开源版本将在六个月内推出。

现在任何人都可以下载 AlphaFold3 软件代码并用于非商业用途。然而，目前只有具有学术背景的科学家才能根据要求获得训练权重。

无障碍版本

DeepMind 存在竞争：近几个月来，几家公司 提出基于AlphaFold3的蛋白质结构预测开源工具 ，它依赖于原始论文中描述的规范，称为伪代码。

两家中国公司——科技巨头百度和 TikTok 开发商字节跳动——已经发布了自己的受 AlphaFold3 启发的模型，加利福尼亚州旧金山的一家名为 Chai Discovery 的初创公司也是如此。

纽约市哥伦比亚大学的计算生物学家 Mohammed AlQuraishi 表示，这些模型的一个主要缺点是，它们都没有像 AlphaFold3 一样获得药物发现等商业应用的许可。然而，Chai Discovery 的模型 Chai-1 可以通过网络服务器用于此类工作，该公司联合创始人 Jack Dent 解释道。

另一家公司，旧金山的 Ligo Biosciences，发布了 AlphaFold3 的无限制版本。然而，它尚不具备全部功能，包括对蛋白质以外的药物和分子进行建模的能力。

其他团队正在开发没有此类限制的 AlphaFold3 版本：AlQuraishi 希望在今年晚些时候提供一个名为 OpenFold3 的完全开源模型。这将使制药公司能够使用专有数据（例如与不同药物结合的蛋白质结构）重新训练自己的模型版本，从而有可能提高性能。

开放很重要

在过去的一年里，采用不同开放方式的公司纷纷推出新的生物人工智能模型。威斯康星大学麦迪逊分校的计算生物学家安东尼·格里德（Anthony Grid）对商业公司进入他的领域没有任何问题，只要他们在期刊和预印本服务器上分享他们的工作时遵循与其他科学家相同的规则。

如果 DeepMind 在科学出版物中提出有关 AlphaFold3 的声明，“我希望他们也能分享有关如何做出预测的信息，并以我们可以测试它们的方式提供人工智能模型和代码，”Grid 补充道。 “我的团队不会使用我们无法验证的工具。”

DeepMind 人工智能科学主管 Pushmeet Kohli 表示，AlphaFold3 的多个复制品已经出现，这表明即使没有开源代码，该模型也是可复制的。他补充说，他希望在未来看到更多关于在学术和企业研究人员日益增多的领域发布标准的讨论。

AlphaFold2 的开源性质引发了其他科学家的创新浪潮。例如，最近的蛋白质建模竞赛的获胜者使用人工智能工具 设计可以与癌症靶点结合的新蛋白质 。 Jumper 最喜欢的 AlphaFold2 hack 来自一个使用该工具的团队 识别帮助精子附着于卵子的重要蛋白质 。

Jumper 迫不及待地想看看 AlphaFold3 发布后会出现什么惊喜 - 即使它们并不总是成功。 “人们会以奇怪的方式使用它，”他预测道。 “有时会失败，有时会成功。”