AlphaFold 3 向解码分子行为和生物计算迈出重要一步，Nature 子刊锐评
内容提要
AlphaFold 3是一种能够预测生物分子复合物的3D结构的工具，超越了其他工具在预测蛋白质-蛋白质、蛋白质-配体和蛋白质-核酸复合物结构方面。它在多个测试数据集中表现出显著的准确率提升，但仍有改进的空间。AlphaFold 3的推出为预测生物分子复合物的结构提供了重要突破。
延伸解读
从结构预测到行为预测的鸿沟
AlphaFold 3 能高精度预测生物分子复合物的 3D 结构，但结构本身并不直接揭示分子行为。例如，仅凭转录因子与 DNA 的结合结构，无法推断结合的紧密程度或速度，也无法预测突变后行为如何变化。要定量预测亲和力、动力学速率等，需理解构象景观及其变化。因此，结构预测只是理解生物程序的一步，而非终点。
技术革新与现存局限
AlphaFold 3 采用扩散模块和 Pairformer 架构，减少对 MSA 的依赖，提升了对蛋白质-配体、蛋白质-核酸复合物的预测精度。然而，它仍存在局限：有时无法正确模拟分子手性，对大型复合物（总残基超过 2000 个）预测不佳，生成模型还可能“幻觉”出无序区域的结构。这些不足提示我们，计算预测仍需实验验证。
开源争议与领域影响
DeepMind 推出了 AlphaFold 服务器，为非商业研究人员提供便利，但未公开 AlphaFold 3 的源代码和可执行文件，仅提供伪代码。这阻碍了更广泛的科学测试，引发领域内持续争论，可能影响其未来发展。尽管如此，AlphaFold 3 仍是重要突破，结构生物学将因计算与实验的结合而更加活跃。
Q&A
AlphaFold 3 有哪些主要的功能和优势？
AlphaFold 3 能够预测蛋白质-蛋白质、蛋白质-配体和蛋白质-核酸复合物的 3D 结构，且在多个测试数据集中表现出显著的准确率提升。
AlphaFold 3 相比于 AlphaFold 2 有哪些改进？
AlphaFold 3 采用了新的扩散模块和 Pairformer 架构，减少了对序列比对的依赖，提高了对生物分子复合物结构的预测精度。
AlphaFold 3 在预测生物分子结构方面的准确性如何？
AlphaFold 3 在 2 Å 的实验误差范围内，预测了约 80% 的蛋白质-配体复合物，优于其他方法，且在蛋白质-DNA 和蛋白质-RNA 复合物方面也表现优异。
AlphaFold 3 的局限性是什么？
AlphaFold 3 在手性和大型复合物结构预测方面仍需改进，有时无法正确模拟分子的手性，且对大型蛋白质-核酸复合物的预测存在困难。
AlphaFold 3 如何影响结构生物学的研究？
AlphaFold 3 为理解生物分子的行为和相互作用提供了重要工具，推动了生物计算和分子行为预测的研究进展。
DeepMind 为 AlphaFold 3 提供了哪些支持？
DeepMind 推出了 AlphaFold 服务器，为非商业研究人员提供用户友好的界面，以生成生物分子复合物的预测。
