導讀

今年諾獎周，人工智能可謂大贏家，其中AlphaFold作為獲獎領域更是其中的翹楚，然而在AlphaFold獲得如此成就之際，卻一直面臨著壁壘，科研人員無法便捷的使用AlphaFold3。

科學家一直以來都期望AlphaFold3的代碼能進行開源，已更廣泛地應用于蛋白質的預測。

近日，DeepMind公司正式宣布開源AlphaFold3代碼，對于科學研究來說，這無疑是一大好消息。

林 巖 | 撰文

01

DeepMind宣布開源AlphaFold3代碼

11月11日，備受矚目的AI蛋白質預測工具AlphaFold3宣布開源，這一決定無疑讓全球的科研人員為之振奮。

與之前的版本相比，AlphaFold3的最大突破在于它能夠與其他分子協同模擬蛋白質。然而，與AlphaFold2開源代碼的做法不同，DeepMind最初僅通過一個限制了預測數量和類型的網絡服務器提供訪問權限，該服務器阻止了科學家利用AlphaFold3預測蛋白質在潛在藥物存在下的行為。

DeepMind公司最初表示，僅通過網絡服務器提供AlphaFold3是為了在促進科研訪問和保護商業利益之間找到平衡。事實上，DeepMind的倫敦衍生公司Isomorphic Labs正在將AlphaFold3應用于藥物發現。

然而，AlphaFold3在發布時未公開其代碼或模型權重（即通過訓練軟件在蛋白質結構和其他數據上獲得的參數），這一做法讓不少科學家感到遺憾，也引發了不少的批評。

自今年10月初，AlphaFold3的兩位創立者榮獲諾貝爾化學獎以來，其背后的代碼更加備受關注。就在近日，DeepMind公司正式宣布，科學家們可以下載AlphaFold3的軟件代碼，并在非商業應用中使用這一AI工具。

“我們非常期待看到大家將如何利用這一工具。”DeepMind公司的AlphaFold團隊負責人John Jumper表示。他與首席執行官Demis Hassabis共同因AlphaFold的工作而獲得了2024年諾貝爾化學獎的榮譽。

02

蛋白質預測領域，百花齊放

AlphaFold3開源后，DeepMind也迎來了競爭。

過去幾個月里，多家公司推出了基于AlphaFold3的開源蛋白質結構預測工具，這些工具依賴于原始論文中描述的偽代碼。中國的科技巨頭百度和TikTok開發者字節跳動，以及位于美國加利福尼亞州舊金山的初創公司Chai Discovery，都已經推出了受AlphaFold3啟發的模型。

然而，這些模型存在一個關鍵限制，與AlphaFold3一樣，它們均未獲得商業應用（如藥物發現）的許可。不過，Chai Discovery的模型Chai-1可以通過網絡服務器用于此類工作。另一家位于舊金山的公司Ligo Biosciences則發布了無限制的AlphaFold3版本，但該軟件尚未具備包括模擬藥物和非蛋白質分子在內的全套功能。

其他團隊正在開發沒有這些限制的AlphaFold3版本：紐約市哥倫比亞大學的計算生物學家Mohammed AlQuraishi希望在今年年底前推出一個名為OpenFold3的完全開源模型。這將使制藥公司能夠使用專有數據（如與各種藥物結合的蛋白質結構）重新訓練他們的模型版本，從而可能提高性能。

03

開放性將助力科學發現

過去一年里，各家公司發布了大量生物AI模型，它們對開放性的態度各不相同。威斯康星大學麥迪遜分校的計算生物學家Anthony Gitter對營利性公司進入他的領域并不反感，只要這些公司在期刊和預印本服務器上分享工作時遵守與其他科學家相同的規則。

DeepMind科學AI部門負責人Pushmeet Kohli表示，幾個AlphaFold3復制品的出現表明，即使沒有開源代碼，該模型也是可復制的。他補充說，他希望看到更多關于該領域出版規范的討論，因為該領域正越來越多地由學術和企業研究人員共同占據。

隨著AlphaFold3的共享，Jumper迫不及待地想要看到更多這樣的驚喜出現，即使它們并不總是能結出碩果。

“人們會以奇怪的方式使用它，”他預測道，“有時它會失敗，有時它會成功。”

AlphaFold3的開源不僅標志著AI在蛋白質結構預測領域的重大進步，也為全球科研人員提供了一個前所未有的合作與創新的平臺，未來的生物科學領域將因AI的助力而更加精彩紛呈。

參考資料

AI protein-prediction tool AlphaFold3 is now open source

https://www.nature.com/articles/d41586-024-03708-4

Deep Science預印本