DeepMind

Alphabet 旗下的AI研究公司DeepMind與藥物發現公司Isomorphic Labs攜手，於周三（5/8）發表了AlphaFold 3模型，可用來預測所有生命分子的結構與相互作用，在預測蛋白質與其它分子類型的相互作用上，其準確率比現有的方法增加了50%。該研究已登上《自然》（Nature）科學期刊，同時DeepMind亦推出免費但僅供研究的AlphaFold Server平臺。

不管是植物、動物或是人類的細胞內都有數十億個分子機器，由蛋白質、DNA與其它分子組成，它們無法獨立運作，因此只有藉由觀察它們如何在數百萬種組合中相互運作，才能真正理解生命的過程。

DeepMind在2020年發表的AlphaFold 2主要是提供蛋白質結構的預測，迄今全球已有超過數百萬的研究人員利用AlphaFold 2來發現瘧疾疫苗或癌症治療方式，在期刊上也被引用逾2萬次。而最新的AlphaFold 3模型也是奠基在AlphaFold 2上，只是將預測能力從蛋白質擴大至廣泛的生物分子，此舉將可開啟更多科學上的變革，包括開發生物可再生材料、更有彈性的作物，以及加速藥物設計與基因研究等。

DeepMind指出，AlphaFold 3以前所未有的準確度預測所有生命分子的結構及相互作用，在蛋白質與其它分子類型的相互作用上，比現有預測方法的準確度提高了50%，而對某些重要的相互作用類別，準確度更提高了一倍。

例如在AlphaFold 3針對普通感冒病毒（冠狀病毒OC43）中的刺突蛋白（7PNM）與抗體及單糖相互作用時的結構預測，與其真實結構準確匹配。提高人們對此類免疫系統過程的了解將有助於強化對冠狀病毒的認識，包括COVID-19在內，因而得以提高改善治療的可能性。

AlphaFold 3可藉由預測藥物中常用的配體或抗體等分子與蛋白質之間的相互作用來改善藥物設計，DeepMind宣稱它在藥物的相互作用上比PoseBusters基準測設中最好的傳統方法還要準確50%，而且不必輸入任何的結構資訊，使得AlphaFold 3成為第一個超越物理生物分子結構預測工具的AI系統。

同一天DeepMind也發表了免費的AlphaFold Server供研究人員使用，可用來預測蛋白質如何與細胞中的其它眾多分子相互作用，每個任務最多只能包含5,000個Token，每天最多只能執行10個任務，禁止將輸出用於對接與篩選工具，也不能用來訓練機器學習模型或相關技術。

DeepMind期望AlphaFold 3能夠改善人們對生物世界及藥物發現上的理解，而自DeepMind拆分的Isomorphic Labs也已開始與不同的製藥公司合作，以將該模型應用在現實世界的藥物設計。