诺奖成果人工智能蛋白质预测工具AlphaFold3现已开源

这个获得诺贝尔奖的蛋白质结构建模工具的代码现在可以被学术界下载。

　　

AlphaFold3终于开放了。11月11日，总部位于伦敦的谷歌深度思维公司（Google DeepMind）宣布，六个月前，该公司在一篇描述蛋白质结构预测模型的论文中有争议地扣留了代码，现在科学家们可以下载软件代码，并将人工智能（AI）工具用于非商业应用。

DeepMind AlphaFold团队的负责人John Jumper表示：“我们非常兴奋地看到人们用它做了什么。”上个月，他和首席执行官Demis Hassabis一起获得了2024年诺贝尔化学奖，因为他们在人工智能工具上的工作。

AlphaFold3与它的前辈不同，它能够模拟蛋白质与其他分子的协同作用。但DeepMind并没有像AlphaFold2那样发布其底层代码，而是通过一个网络服务器提供访问权限，该服务器限制了科学家可以做出的预测的数量和类型。

至关重要的是，AlphaFold3服务器阻止了科学家预测蛋白质在潜在药物存在下的行为。但现在，DeepMind决定发布代码意味着学术科学家可以通过自己运行模型来预测这种互动。

该公司最初表示，只通过网络服务器提供AlphaFold3，在为研究提供访问和保护商业野心之间取得了适当的平衡。位于伦敦的DeepMind衍生公司Isomorphic Labs正在将AlphaFold3应用于药物研发。

但是，AlphaFold3在没有代码或模型权重（通过对软件进行蛋白质结构和其他数据训练而获得的参数）的情况下发表，引起了科学家的批评，他们说此举破坏了可重复性。DeepMind迅速改弦易辙，表示将在半年内推出该工具的开源版本。

现在任何人都可以下载AlphaFold3软件代码并非商业用途。但目前，只有有学术关系的科学家才能根据要求使用训练砝码。

可访问的版本

DeepMind遇到了竞争对手：过去几个月，几家公司推出了基于AlphaFold3的开源蛋白质结构预测工具，这些工具依赖于原始论文中描述的被称为伪代码的规范。

两家中国公司——科技巨头百度和抖音开发商字节跳动——已经推出了自己的AlphaFold3模型，加州旧金山的初创公司Chai Discovery也是如此。

纽约哥伦比亚大学的计算生物学家Mohammed AlQuraishi说，这些模型的一个关键限制是，像AlphaFold3一样，没有一个被许可用于药物发现等商业应用。然而，Chai Discovery公司的联合创始人Jack Dent表示，Chai-1可以通过网络服务器来完成这类工作。

另一家位于旧金山的Ligo Biosciences公司发布了一款无限制版本的AlphaFold3。但它还不具备全套的能力，包括模拟药物和蛋白质以外的分子的能力。

其他团队正在开发没有这些限制的AlphaFold3版本：AlQuraishi希望在今年年底推出一个名为OpenFold3的完全开源模型。这将使制药公司能够使用专有数据（例如与不同药物结合的蛋白质结构）重新训练他们自己的模型版本，从而有可能提高性能。

开放性问题

去年，各公司以不同的开放方式发布了大量新的生物人工智能模型。威斯康辛大学麦迪逊分校的计算生物学家Anthony Gitter对营利性公司加入他的领域没有异议——只要他们在期刊和预印服务器上分享他们的工作时遵守与其他科学家相同的规则。

Gitter补充说，如果DeepMind在一份科学出版物中对AlphaFold3发表声明，“我和其他人希望他们也能分享有关如何做出预测的信息，并以我们可以检查的方式公布人工智能模型和代码。我的团队不会建立和使用我们无法检查的工具。”

DeepMind的人工智能科学主管Pushmeet Kohli表示，几个AlphaFold3复制品已经出现，这一事实表明，即使没有开源代码，该模型也是可复制的。他补充说，未来他希望看到更多关于出版规范的讨论，这个领域的学术和企业研究人员越来越多。

AlphaFold2的开源特性引发了其他科学家的大量创新。例如，最近一次蛋白质设计竞赛的获胜者使用人工智能工具设计了能够结合癌症靶标的新蛋白质。Jumper最近最喜欢的AlphaFold2黑客来自一个团队，他们使用该工具识别了一种帮助精子附着在卵细胞上的关键蛋白质。

在分享AlphaFold3后，Jumper迫不及待地想要这样的惊喜出现——即使它们并不总是结出果实。“人们会以奇怪的方式使用它，”他预测道。“有时会失败，有时会成功。”