AlphaFold 3是DeepMind与总部位于伦敦的药物开发商Isomorphic Labs合作开发的，它为药物研究人员提供了一个更强大的工具，可以模拟新药物化合物如何与体内某些受体位点发生反应，这可能会加速药物开发的探索阶段。传统上，这项工作是在实验室里进行的。

在周二与记者的电话会议上，DeepMind首席执行官Demis Hassabis描述了药物研究人员如何使用AlphaFold 3。“You imagine that AlphaFold gives you the structure of a protein you’re interested in, in a particular disease, lets say, and with these new capabilities we can now design a compound or ligand (a “. .一旦你了解了蛋白质的结构，我们就可以预测结合亲和力有多强，”Hassabis说。“如果你想设计药物，这是关键的一步。”

同构首席人工智能科学家Max Jaderberg周二在与记者的电话会议上说：“这开启了我所谓的基于合理结构的药物设计，我们的科学家能够设计潜在的新药分子，并通过AlphaFold 3在计算机中看到这些结果-正如我们所说的那样-帮助科学家推理进行什么样的相互作用以及如何推进这些设计以创造出一种好的药物。

AlphaFold 3无法让研究人员一路开发新药。其他人工智能模型必须用于预测毒性和与其他药物的相互作用。所有新药在体内的预期相互作用都必须在湿实验室实验中得到证明，然后在人体临床试验中得到证明。但是，该工具可以为研究人员提供关于新的研发工作应该指向何处的直觉。

该工具还可用于设计食品分子，例如，更耐腐败，或设计新的，更有效的抗生素。它可以用于新疫苗的早期开发。

DeepMind没有开源新模型，而是提供了一个基于云的“AlphaFold服务器”，学术研究人员可以访问AlphaFold 3并“生成生物结构”。 这对于缺乏生物信息学经验（或对它不感兴趣）的科学家来说可能非常有用，或者缺乏运行模型所需的计算能力。Hassabis表示，DeepMind正在与Isomorphic合作进行药物开发工作，而Isomorphic则与诺华和礼来合作。

“真正令人兴奋的是，我们已经看到了比其他工具，甚至AlphaFold 2在我们所做的不同类型的预测中准确性的巨大进步，”AlphaFold团队负责人John Jumper说。他说，对于蛋白质与小分子（药物样）的相互作用，AlphaFold 3在基准测试中显示出76%的准确率（而下一个最佳工具的准确率为52%）。对于预测蛋白质如何与DNA结合，AlphaFold 3的准确率为65%（而目前的技术水平为28%）。

AlphaFold 3是生物信息学的一个巨大飞跃，但它仍然代表着构建人工智能的漫长旅程中的第一步，人工智能能够以高精度建模，生物结构和分子在自然界中可能相互作用的广阔宇宙，正如Hassabis所承认的那样。而DeepMind在推动AlphaFold在这条道路上走得更远时可能会面临真实的挑战。为什么？同样的原因，大型语言模型可能会碰壁缺乏可靠的训练数据。

“令人兴奋的是，他们能够使这些类型的进步，真正只有通过推进技术方面的方程，说：”银杏生物公司负责人人工智能安娜玛丽瓦格纳。瓦格纳解释说，生物结构和行为建模的巨大飞跃需要三个主要组成部分：计算能力、技术（即软件）和数据。AlphaFold是一个强大的模型，背后有谷歌规模的计算能力，但瓦格纳指出，它依赖于公开的实验室测试数据集进行训练。

瓦格纳说：“我们需要生成大量不同的数据集，这些数据集代表了这个模型可以训练的更多多样性。”“我真正感到兴奋的是，当你开始将这些进步与允许这些类型的模型更快地学习的多模态数据相结合时，我认为这就是我们开始获得真正魔力的地方。