DeepMind发布AlphaFold 3.5：蛋白质设计精度再创新高，开启药物研发新纪元
2026年1月28日，谷歌DeepMind正式发布AlphaFold 3.5版本。该版本在蛋白质结构预测与设计方面取得重大突破，不仅预测精度比上一代提升约30%，更首次实现了对复杂蛋白质-小分子复合物（如药物靶点）的高精度从头设计。新模型在多个基准测试中刷新纪录，特别是在预测蛋白质与DNA/RNA、抗体-抗原结合界面方面表现卓越。DeepMind表示，这标志着AI正从“理解生命”转向“设计生命”，有望将新药候选分子的发现周期从数年缩短至数月，为攻克癌症、神经退行性疾病等提供全新工具。
🎯 核心内容
2026年1月28日，谷歌旗下AI研究机构DeepMind通过其官方博客及《自然》杂志同步发布了AlphaFold 3.5。这是继2024年发布的AlphaFold 3之后，该系列模型的又一次重大升级。AlphaFold 3.5的核心突破在于其“生成式设计”能力。它不再局限于预测已知蛋白质的结构，而是能够根据特定的功能需求（如与某种病毒刺突蛋白结合、催化特定化学反应），从头生成全新的、具有稳定结构和预期功能的蛋白质序列与三维构象。DeepMind团队与欧洲分子生物学实验室（EMBL）合作，利用新模型设计了数十种针对流感病毒血凝素蛋白的候选抑制剂，其中7种在体外实验中显示出纳摩尔级别的结合力，验证了其设计有效性。
🔬 技术细节
AlphaFold 3.5在架构上进行了深度优化。它采用了全新的“条件扩散模型”作为生成引擎，并以经过海量蛋白质序列和结构数据训练的巨型Transformer作为先验知识库。模型参数规模达到约1000亿，训练数据涵盖了AlphaFold DB中超过2亿个蛋白质结构、数千万个蛋白质-配体复合物结构以及大量化学分子库信息。在关键的CASP16（蛋白质结构预测关键评估）测试中，其预测的全局距离测试总分（GDT_TS）中位数达到92.5，较AlphaFold 3的71.4有显著提升。对于蛋白质-小分子对接的精度（RMSD < 2Å）达到85%，远超传统计算化学方法。模型还引入了“不确定性量化”模块，能为每个预测结果提供置信度评分，极大提升了其在科研和工业应用中的可靠性。
💡 关键亮点
- 生成式设计能力：首次实现从功能到结构的“逆向设计”，用户输入目标（如“阻断新冠病毒ACE2结合位点”），模型可输出多个可行的蛋白质设计方案。
- 多模态理解：能同时处理蛋白质序列、化学分子SMILES字符串、基因序列等信息，实现跨模态的复合物设计与预测。
- 开源与平台化：DeepMind同步推出了基于AlphaFold 3.5的云平台“AlphaFold Design Studio”，为研究人员提供可视化设计工具，部分核心代码已开源。
🌍 行业影响
AlphaFold 3.5的发布在生物医药和合成生物学领域引发地震。多家顶级药企，包括辉瑞、默沙东和罗氏，已宣布与DeepMind建立战略合作，将利用该平台加速肿瘤免疫疗法和神经疾病药物的管线开发。分析师预测，到2030年，由AI驱动的蛋白质设计市场规模将超过200亿美元。同时，这也加剧了该领域的竞争，Meta的ESMFold团队、华盛顿大学David Baker实验室的RoseTTAFold All-Atom模型均在加紧迭代。AI制药初创公司，如Recursion Pharmaceuticals和Insilico Medicine，其估值和融资前景也因底层技术的突破而更加明朗。
🔮 未来展望
DeepMind计划在未来一年内，将AlphaFold 3.5的能力拓展至更复杂的生物系统，如多蛋白复合物组装、人工代谢通路设计等。团队也正探索将其与实验室自动化机器人结合，形成“AI设计-机器人合成-高通量测试”的闭环，真正实现生物制造的智能化。长远来看，安全与伦理问题，如防止恶意设计有害生物制剂，将成为技术发展伴随的重要议题，需要全球科学界共同建立监管框架。