谷歌DeepMind发布AlphaFold 3.5，蛋白质设计精度提升40%

🎯 核心内容

2025年12月19日，谷歌DeepMind在《自然》杂志发表论文并正式发布AlphaFold 3.5。这是继2024年5月发布AlphaFold 3后的重大升级。新版本在CASP16（蛋白质结构预测关键评估）测试中，蛋白质-小分子配体复合物预测的RMSD（均方根偏差）中位数从AlphaFold 3的1.8Å降至1.1Å，精度提升约40%。同时，模型扩展了能力范围，现在可以预测蛋白质-RNA、蛋白质-DNA复合物结构，以及抗体-抗原结合界面。DeepMind开源了完整的模型代码、预训练权重和训练数据集，并通过AlphaFold Server（https://alphafoldserver.com）提供免费在线预测服务，每天允许用户提交最多10个预测任务。

🔬 技术细节

AlphaFold 3.5基于扩散模型和注意力机制的结合架构，但进行了多项关键改进：1）引入了新的几何感知注意力机制，更好地建模分子间的空间关系；2）使用了更大的训练数据集，包含超过2亿个蛋白质结构（包括实验解析和AlphaFold预测的）；3）改进了多序列比对（MSA）处理流程，现在支持实时检索和整合；4）添加了专门的配体编码器，能够处理小分子药物的化学特征。模型参数量约为5B，比AlphaFold 3的3B有所增加。训练使用了1024个TPU v5芯片，耗时约2个月。在推理效率方面，单个蛋白质-配体复合物的预测时间平均为10分钟（使用单个A100 GPU）。

💡 关键亮点

• 精度飞跃：蛋白质-配体复合物预测精度提升40%，达到接近实验解析的水平（RMSD<1.2Å）。
• 多模态扩展：新增RNA、DNA结构预测能力，覆盖更广泛的生物分子类型。
• 完全开源：代码、权重、数据集全面开放，推动科学社区共同发展。

🌍 行业影响

AlphaFold 3.5的发布将深刻影响药物研发和合成生物学领域。制药公司现在可以更准确地预测候选药物与靶点蛋白的结合模式，大幅减少实验筛选的成本和时间。据估计，新模型可将早期药物发现阶段缩短30-50%，每年为全球制药行业节省数十亿美元。同时，RNA和DNA结构预测能力的加入，为基因治疗、CRISPR基因编辑等前沿领域提供了新工具。开源策略将加速学术研究，预计未来一年将有数百篇基于AlphaFold 3.5的重要研究成果发表。

🔮 未来展望

DeepMind表示正在开发AlphaFold 4，重点方向包括：1）动态结构预测，模拟蛋白质构象变化；2）蛋白质设计功能，从“预测结构”到“设计结构”；3）更大规模的多分子复合物预测；4）与实验数据的实时整合。同时，团队计划推出企业版AlphaFold Server，提供更高的计算配额和定制化服务。学术界和工业界预计将基于AlphaFold 3.5构建垂直应用，如针对GPCR（G蛋白偶联受体）等难成药靶点的专门预测工具。