诺奖AI成果开源!AlphaFold3代码人人可以免费下,Nature撰文推荐

6个月前曾因没有开源而受争议

白小交 发自 凹非寺

量子位 | 公众号 QbitAI

刚刚,谷歌开源了自己的诺奖模型AlphaFold3!

至此来自生物医药、生命科学等各个领域的科学家们都可以免费下载模型代码,自行运行模型开展工作。

此举直接获得了Nature亲自撰文推荐。

诺奖AI成果开源!AlphaFold3代码人人可以免费下,Nature撰文推荐

与前两个版本仅可以预测蛋白质结构不同, AlphaFold3能够预测所有生命分子的相互作用。这相当于打开了整个生命科学研究的新大门,生命的基本过程被了解,直接推动了药物发现和疾病治疗。

以往这些工作往往需要数月的实验室工作和数百万资金才可以搞定,还无法保证成功。而现在科学家免费拥有了一把强大的利器。

科学家们也是大为兴奋,甚至已经在搓搓手期待怎么用了。比如研究一下人体肌肉生长过程。

诺奖AI成果开源!AlphaFold3代码人人可以免费下,Nature撰文推荐
诺奖AI成果开源!AlphaFold3代码人人可以免费下,Nature撰文推荐

诺奖得主、DeepMind AlphaFold 团队负责人John Jumper表示,我们非常兴奋地看到人们用这个技术能做些什么。

短短几小时,GitHub官网已经收获了1.5k星。

诺奖AI成果开源!AlphaFold3代码人人可以免费下,Nature撰文推荐

谷歌说到做到:6个月前曾因没有开源而受争议

今年5月,AlphaFold3发布,并直接登上Nature。

除了将预测范围扩大到了蛋白质、DNA、RNA以及一系列配体、离子和化学修饰等更多生物分子结构,还创新性地用上了扩散模型,可以生成每个原子的3D坐标。

用另一位诺奖得主、DeepMind联创兼CEO哈撒比斯的话来说:

AlphaFold 3是人类了解生物学动态系统历史性的第一步。

在不输入任何结构信息的情况下,AlphaFold3预测准确度比现有方法提高了50%,对于部分相互作用类别甚至提高了1倍。

这使得AlphaFold 3成为首个超越基于真实生物分子结构预测工具的AI系统。

当时官方说的是,全球科学家通过AlphaFold服务器即可免费访问使用AlphaFold 3进行非商业研究(开放大部分功能)。

诺奖AI成果开源!AlphaFold3代码人人可以免费下,Nature撰文推荐

换句话说,没有像AlphaFold2那样开放底层代码,而是通过网络服务器提供访问权限。官方还推出了免费的工具AlphaFold Server,科学家只需点击几下就模拟由蛋白质、DNA、RNA 以及一系列配体、离子和化学修饰组成的结构。

虽说免费,但实则限制不少,每天只能进行10次预测,而且不可能获得可能与药物结合的蛋白质结构。

不免让人怀疑之所以不开源,是因为谷歌Deepmind自己用来进行药物开发。当时他们成立的公司Isomorphic Labs使用AlphaFold3通过自己的管道或与其他制药公司合作开发药物。

结果这操作直接受到了科学家们的批评,他们称此举破坏了可重复性。

于是DeepMind 迅速改变了方针,并表示将在半年内推出该工具的开源版本。

如今半年过去,应该算是说到做到。不过模型权重需要单独申请,填写表单,同不同意由DeepMind决定。

诺奖AI成果开源!AlphaFold3代码人人可以免费下,Nature撰文推荐

AlphaFold3

最后再来简单回顾一下AlphaFold3吧。

在AlphaFold 2的基础上,AlphaFold 3在架构和训练过程上有很大改进:

  • 遗传特征编码器(MSA module)被大幅简化,聚焦提取更关键的进化信息。
  • 成对残基关系编码器(Pairformer)取代了原有的进化特征处理单元(Evoformer),增强了复杂相互作用模式的建模能力
  • 结构生成器从以氨基酸为中心,改为直接预测原子坐标,增加了处理通用分子结构的灵活性。

为了避免扩散方法在一些无结构区域产生幻觉,还引入了一种新的交叉蒸馏方法,通过AlphaFold-Multimer v2预测的结构数据来丰富训练数据。

诺奖AI成果开源!AlphaFold3代码人人可以免费下,Nature撰文推荐

更让人惊叹的是,AlphaFold 3即便在训练数据极度匮乏的领域,也展现出了惊人的泛化能力。举个例子,在CASP15的RNA预测任务中,它在10个公开靶点上的平均表现超过了专门的RNA结构预测模型。要知道,这可是在几乎没有RNA训练数据的情况下实现的。

好了,现在AlphaFold3终于开源,有需要的可以去官网下载。

值得一提的是,DeepMind 科学AI主管Pushmeet Kohli还说了一嘴,AlphaFold3各种复现版本都有了。这说明该模型即使没有开源也是可以复制的。

GitHub链接:
https://github.com/google-deepmind/alphafold3?tab=readme-ov-file
参考链接:
[1]https://www.nature.com/articles/d41586-024-03708-4
[2]https://x.com/maxjaderberg/status/1855943552745845095

版权所有,未经授权不得以任何形式转载及使用,违者必究。