所有的生命分子皆可预测，这意味着生物医学领域从此开了真上帝视角。大家好，我是差评君。我一直认为谷歌的人工智能最正统，因为谷歌的蛋白质结构预测模型 AlphaFold 事关生命医学对人类的意义重大。前两天谷歌 DeepMind 公司公布最新一代 AlphaFold 3 的成果，生物圈媒体网友都集体高潮，今天差评君也来给大家解读一下。

生物体内最多的物质是什么？答案是水，但是蛋白质才是生命活动的主要承担者。要搞清楚生物分子的底层逻辑，就必须知道每个蛋白质具体长啥样。在 AlphaFold 之前，预测蛋白质结构主要有三种方法：拍 X 光、做核磁共振和冷冻电镜。不过核磁共振只能测很小的蛋白质分子，X 光遇上没法溶解结晶的蛋白质就没辙。冷冻电镜就更贵了，光设备就几千万，很少有实验室用得起。所以人们就琢磨这种需要经验总结的工作能不能靠 AI 解决呢。

还真行。2018 年，谷歌搞出了第一代 AlphaFold，虽然蛋白质由氨基酸构成，AI 就深度学习已知蛋白质结构中每一对氨基酸的距离、链接角度，再对未知蛋白质做出自己的预测效果，技惊四座，拿到了当年蛋白质结构预测大赛的冠军，力压一众实验室老师傅。

虽然 AlphaFold 初代厉害，但复杂情况仍然预测不了。当遇到长数据时，它就没办法提取离得远的元素之间的关系。2020 年发布的 AlphaFold 2.0 用 Transformer 模型的注意力机制解决了长距离氨基酸的问题，准确度达到惊人的 92.4 分，它能生成的范围已经覆盖了人类已知蛋白质的 98%，还完全开源。

这次 3.0 版本升级了，工具用上了 diffusion，这和 AI 画的原理非常相似，从一团原子云通过概率扩散来预测出最终坐标。但是在 diffusion 加持下的 AlphaFold 3 也会预测错误，比如手性分子。在容易出错的地方，demand 用了一个叫做交叉蒸馏的操作，减少预测失误，生成质量相当。精度也是遥遥领先的，原子级在蛋白质与核酸配体的模拟上全面优于其他产品。

使用 AlphaFold 3 生成生物大分子模型的门槛并不高，只需在网站输入参数，几分钟之后就能产生极高清晰度和准确度的模型，甚至细胞系统内部的生化过程现象都能在极短时间内被整明白。整个传统生物医疗的科研方式似乎都要被改变了。

不过，乐观是好的，科学这玩意还得中肯和严谨。在各路媒体和网友都在炸裂颠覆改变世界的时候，圈内的不少大佬也发表了些评价。比如闫宁教授的团队发现，3.0 版本在一个糖蛋白预测中就翻车了，表现甚至不如前代版本。也有人质疑，DeepMind 老板哈萨比斯 21 年就创立医药公司，号称要利用人工智能重新定义药物发现，但到今天还没有推出任何药物。总之，AlphaFold 的三代产品确实喜人，但在生命科学的漫漫实践长路上，人类依旧有着不少难题需要去突破。在人类与时间的赛跑中，终将有胜利的一天。