科學家們千等萬等，終于等到 「 AlphaFold3開源版 」了。

AlphaFold3由諾貝爾化學獎團隊谷歌DeepMind開發(fā)，不僅能夠預測單體蛋白質(zhì)，還能預測 DNA、RNA、配體、小分子離子以及蛋白質(zhì)?配體、蛋白質(zhì)?核酸、抗體?抗原等復合體，對藥物研發(fā)和科研具有重要意義。

但這個成果引發(fā)了科學界的集體抗議。

因為，谷歌DeepMind當時只推出了一個免費在線平臺AlphaFold Server，而且該服務有每日的次數(shù)限制。

相比于開源的AlphaFold2來說，這種使用方式缺失了很多自由度。

被科學界強烈反對6個月后，DeepMind“扣扣嗖嗖”地發(fā)布了開源版本，但是只有學術背景的科學家可申請訪問訓練權重。

而OpenFold3的開源，卻為學界帶來了新的活力。

作為下一代蛋白質(zhì) AI 工具的基礎模型，OpenFold3在經(jīng)過超過 300000 個公開可用的實驗確定結構，和超過 1300 萬個結構的合成數(shù)據(jù)庫的訓練。

不過，此次是OpenFold3的前瞻版（Preview of OpenFold3），在部分任務上達到與AF3的一致與性能評價。

項目部署鏈接：https://openfold.io/

github：https://github.com/aqlaboratory/openfold-3

OpenFold3，破局者

雖然此前不少公司和團隊都宣稱復刻了AlphaFold3，但是OpenFold3是最受到學界關注的那個。

該項目由哥倫比亞大學 AlQuraishi 實驗室、勞倫斯利弗莫爾國家實驗室生物彈性項目，和首爾國立大學Steinegger實驗室、以及諾和諾德等公司共同參與。

早在此前，這個 非營利團隊曾經(jīng)完美地復刻了AlphaFold2，推出OpenFold。

團隊開源了包括推理代碼和模型參數(shù)，可重現(xiàn)和改進 AlphaFold2 的速度和準確性，還包括完整的訓練代碼，可以訓練一整套衍生模型。

而當谷歌DeepMind宣布不完全開源AlphaFold3時，團隊也站出來表示復刻一個開源版。

此次發(fā)布的OpenFold3-preview，在生物分子結構預測方面的表現(xiàn)可媲美 SOTA 模型，

在RNA結構預測方面，OpenFold3達到了有史以來的最佳性能，并且是唯一一個在單體 RNA 結構預測中性能匹敵 AlphaFold3 的模型。

不過在某些方面，OF3和AF3仍然存在較大差異。

在抗體-抗原對接預測基準測試中，AF2仍然是最佳模型，明顯領先OF3、Chai和Boltz，同時這些所有模型都落后于AF3。

肽以及新型蛋白質(zhì)—小分子結合口袋等，不過即使是AF3在這方面預測準確率也不算高。對于這些問題，團隊正在加緊訓練正式版本。

盡管如此，OpenFold3的發(fā)布仍然意義非凡。

OpenFold3前瞻版允許所有用戶測試模型、使用新數(shù)據(jù)集訓練模型、開發(fā)新應用程序并調(diào)整模型，這對于部分開源的 AI 模型來說是不可能的。

此外，OpenFold3 的一個關鍵優(yōu)勢是其適用于所有軟件組件的 Apache 2.0 許可證。

這個協(xié)議非常重要，因為這意味著用戶可以在任何目的下（包括商業(yè)用途）使用、復制、修改、合并、發(fā)布以及再分發(fā)軟件或其衍生作品。

那些想要本地部署，且用自己的數(shù)據(jù)訓練模型的公司，可以自主地進行訓練和構建新的模型，而不是單個項目。

已經(jīng)有多家醫(yī)藥巨頭和biotech決定利用 OpenFold3 加速新療法和產(chǎn)品的研發(fā)：

諾和諾德稱

科學家們將使該模型適應內(nèi)部管道和專有數(shù)據(jù)，以支持新療法的發(fā)現(xiàn)。

Outpace Bio 將使用該模型幫助生成采用特殊分子回路設計的新細胞療法。

拜耳

研究人員將應用 OpenFold3 來研究來自植物、雜草和害蟲的蛋白質(zhì)，加速新的作物保護分子和性狀的開發(fā)。

賽力斯生物技術

公司將利用該模型設計治療自身免疫性疾病的新型酶基藥物。

未來晚些時候，團隊還將發(fā)布正式版本。