DeepMind AlphaFold 3药物分子预测精度达94%，可将药物发现早期阶段从数年缩短至数周

6月15日，Google DeepMind在《自然》（Nature）杂志发表的研究成果引发制药行业震动。AlphaFold 3系统在已知药物-蛋白质结合对的标准化基准测试中，以94%的准确率预测小分子药物与蛋白质靶点的相互作用，这一结果被研究人员称为"从根本上改变新药研发时间线和经济学"的突破。

从结构预测到相互作用预测

AlphaFold 2在2021年实现了蛋白质结构预测的里程碑式突破，为其赢得了2024年诺贝尔化学奖。AlphaFold 3则将能力从"预测蛋白质如何折叠"扩展到"预测折叠后的蛋白质如何与药物化合物相互作用"。

两者的关键差异在于架构创新：AlphaFold 3采用了基于扩散的生成式方法，不输出单一预测结构，而是生成一组可能的构象集合，更好地反映蛋白质在生物环境中的动态特性，捕获对药物结合预测至关重要的构象灵活性。

实际意义：从数年缩短至数周

在传统制药研究中，“命中识别”（hit identification）——即从数百万候选化合物中筛选出可能与靶点蛋白有效结合的分子——通常需要2至4年的实验室筛选，耗资数亿美元。AlphaFold 3的计算预测能力使研究人员可在数周内以计算方式筛选数十亿候选分子，从而大幅缩小进入实验室验证的候选化合物范围。

TechCrunch援引三家大型制药公司研究人员的估计，如果该精度能从未知靶点验证到实际应用中，可将命中识别阶段从2至4年缩短至3至6个月。

学术开放与商业授权并行

DeepMind延续了AlphaFold项目的开放科学理念，通过AlphaFold Server免费向学术研究人员提供药物相互作用预测能力。哈佛、斯坦福、MIT、Wellcome Sanger研究所等机构已宣布计划将AlphaFold 3的药物预测能力整合到其计算生物学工作流程中。

商业用途则需要与DeepMind的制药合作部门签订许可协议。该公司已与葛兰素史克（GSK）、诺华（Novartis）等多家大型制药企业建立了合作关系。

更广泛的应用前景

《自然》论文还展示了AlphaFold 3预测蛋白质与DNA、RNA及共价修饰分子相互作用的能力，将其应用范围从小分子药物发现扩展到基因治疗、RNA药物和蛋白质工程等更广泛的生物治疗领域。Broad Institute研究人员在论文中描述了CRISPR引导RNA设计的应用，有望提高基因编辑疗法的精确度。

DeepMind CEO Demis Hassabis表示：“这是我们自AlphaFold项目开始以来一直努力的方向——不仅预测蛋白质的形状，还要理解它们如何与可能成为明日药物的分子相互作用。”

来源：Nature、Trust Post、TechCrunch、Wired