DeepMind发布AlphaFold 3.5，蛋白质复合物预测精度再创新高
Google DeepMind于2026年1月28日正式发布AlphaFold 3.5版本，该版本在预测蛋白质与其他生物分子（如DNA、RNA、小分子配体）形成的复合物结构方面取得重大突破。据官方论文显示，在最新基准测试中，其对蛋白质-配体复合物的预测精度比AlphaFold 3提升约15%，对蛋白质-核酸复合物的预测精度提升约12%。这一进展有望极大加速药物发现和基础生物学研究。
🎯 核心内容
2026年1月28日，Google旗下AI研究机构DeepMind发布了AlphaFold系列的最新迭代版本——AlphaFold 3.5。自2024年AlphaFold 3发布以来，该模型已成为生命科学领域革命性的工具。此次3.5版本的核心升级在于显著提升了预测蛋白质与其他生物分子（统称为“生物分子复合物”）三维结构的准确性和可靠性。DeepMind团队在《自然》杂志上同步发表了相关论文，并开源了模型的部分核心组件。论文数据显示，在包含1287个蛋白质-小分子配体复合物的独立测试集上，AlphaFold 3.5的预测结果与实验测得的晶体结构之间的均方根偏差（RMSD）中位数降至1.2埃，而AlphaFold 3为1.4埃。对于更复杂的多亚基蛋白质与DNA/RNA的复合物，其预测精度也有显著提升。这一进步主要归功于模型架构的优化和训练数据的扩充。
🔬 技术细节
AlphaFold 3.5在技术层面延续了前代基于扩散模型和注意力机制的核心架构，但在多个关键模块进行了深度优化。首先，团队引入了更高效的“多尺度图表示”模块，能够更精细地刻画不同生物分子（蛋白质、核酸、配体）之间的相互作用力，如氢键、疏水作用和π-π堆积。其次，模型对训练数据进行了大规模扩充，新增了超过50万个来自PDB数据库的高质量生物分子复合物结构，以及通过分子动力学模拟生成的大量构象数据。在推理效率方面，团队优化了算法，使得预测一个中等复杂度（约500个残基）的蛋白质-配体复合物结构所需时间从AlphaFold 3的约10分钟缩短至6分钟左右。此外，模型还增强了对“构象变化”的预测能力，能够在一定程度上模拟蛋白质在与配体结合前后的动态变化，这对于理解药物作用机制至关重要。
💡 关键亮点
- 精度大幅提升：在关键测试集上，对蛋白质-配体复合物的预测精度提升15%，对蛋白质-核酸复合物提升12%，标志着AI在结构生物学领域的可靠性达到新高度。
- 覆盖范围更广：增强了对抗体-抗原、酶-抑制剂等具有重要医药价值的复合物类型的预测能力，并初步支持对某些翻译后修饰（如磷酸化）位点的结构影响评估。
- 效率与可及性：推理速度提升约40%，并通过DeepMind的服务器和部分开源代码，为全球学术研究者提供了更强大的免费研究工具。
🌍 行业影响
AlphaFold 3.5的发布再次巩固了DeepMind在AI for Science领域的领导地位。对于制药行业，这意味着早期药物发现（尤其是基于结构的药物设计）的成本和时间有望进一步压缩。分析师预测，未来3-5年，AI驱动的药物发现平台将更深度地整合类似AlphaFold的工具，将临床前候选化合物的发现周期平均缩短30%以上。同时，这也加剧了该领域的竞争，包括Meta的ESMFold、华盛顿大学的RoseTTAFold等团队必将加速追赶。此外，高精度的生物分子复合物预测能力，也将推动合成生物学、酶工程和生物制造等新兴领域的发展。
🔮 未来展望
DeepMind团队表示，下一步的研究重点将集中在预测更大、更复杂的生物分子组装体（如核糖体、病毒衣壳）的结构，以及模拟生物分子在细胞环境中的动态行为。长期目标是构建一个能够从基因序列出发，全面预测其编码产物在细胞中功能与相互作用的“数字细胞”模型。随着预测精度的提升，如何将AI预测的结构更无缝地对接下游的分子动力学模拟和自由能计算，以进行更精确的药物亲和力预测，将是产学研界共同攻关的方向。