谷歌DeepMind发布AlphaFold 3.5，蛋白质-小分子复合物预测精度再突破
2026年1月29日，谷歌DeepMind宣布推出AlphaFold 3.5，这是其革命性蛋白质结构预测模型的最新版本。新版本在预测蛋白质与药物小分子、核酸、金属离子等配体的复合结构方面取得显著进步，预测精度较AlphaFold 3提升约40%。该模型已通过《自然》杂志的同行评审，并已在Nature期刊上发表相关论文。DeepMind同时宣布，AlphaFold 3.5的核心预测功能将通过其服务器免费提供给全球研究人员，但高级功能（如高通量筛选）将通过DeepMind的云API提供商业服务。此举预计将极大加速新药发现和基础生命科学研究。
🎯 核心内容
2026年1月29日，谷歌DeepMind正式发布了AlphaFold 3.5，这是继2024年5月推出AlphaFold 3后的又一次重大升级。该模型的核心突破在于其对蛋白质与各类生物分子（特别是小分子药物、DNA、RNA、金属离子）复合物结构预测的准确性和可靠性大幅提升。根据在标准测试集上的评估，AlphaFold 3.5在预测蛋白质-小分子结合构象的RMSD（均方根偏差）中位数从AlphaFold 3的2.1 Å降至1.4 Å，精度提升约40%，部分案例已达到实验晶体学解析的精度水平。DeepMind与欧洲生物信息学研究所（EMBL-EBI）合作，已将模型集成到AlphaFold服务器中，供非商业用途免费使用。
🔬 技术细节
AlphaFold 3.5在原有架构基础上进行了多项关键改进。首先，模型采用了更先进的扩散模型（Diffusion Model）来生成复合物的三维坐标，并引入了新的注意力机制，能够更精确地建模蛋白质表面口袋与配体之间的相互作用力，如氢键、疏水作用和π-π堆积。其次，训练数据规模扩大了一倍以上，包含了来自PDB数据库最新发布的超过50万个人工智能预测与实验验证的复合物结构，以及大量通过分子动力学模拟生成的构象数据。模型参数数量从AlphaFold 3的约7亿增加到12亿，并使用了更高效的训练策略，在谷歌自研的TPU v5芯片集群上训练了约两个月。
💡 关键亮点
- 精度飞跃：对药物靶点（如GPCR、激酶）与候选药物分子的结合模式预测精度接近实验水平，为虚拟筛选提供了前所未有的可靠工具。
- 范围扩展：不仅能预测蛋白质与小分子的结合，还能高精度预测蛋白质与DNA/RNA的复合物、多蛋白组装体以及含有翻译后修饰（如磷酸化）的蛋白质结构。
- 可用性提升：免费服务器版本将预测时间从AlphaFold 3的数小时缩短至平均30分钟以内，并提供了更友好的交互界面和结果可视化工具。
🌍 行业影响
AlphaFold 3.5的发布标志着计算生物学和AI制药进入了一个新阶段。此前，尽管AlphaFold 3已能预测复合物，但其对小分子构象的预测仍存在较大不确定性，限制了其在药物发现早期（苗头化合物筛选）的直接应用。3.5版本的精度提升，使得AI能够更可靠地用于评估化合物与靶点的结合亲和力，有望将临床前药物发现周期从平均4-5年缩短至2-3年。全球各大药企，包括辉瑞、诺华、罗氏等，已表示将深度整合AlphaFold 3.5到其研发管线中。同时，这也加剧了AI制药领域的竞争，对如薛定谔（Schrödinger）、英矽智能（Insilico Medicine）、晶泰科技等专注于分子模拟和生成式AI的初创公司构成了直接挑战。
🔮 未来展望
DeepMind团队表示，下一步研发重点将集中在动态构象预测和蛋白质设计上。他们正在开发能够模拟蛋白质-配体结合过程中构象变化的“AlphaFold Dynamics”版本。此外，结合生成式AI，未来模型可能实现从靶点结构直接生成高亲和力、类药性好的全新分子骨架，实现真正的“从头药物设计”。随着预测精度的实用化，AI在结构生物学中的应用将从“辅助理解”转向“驱动发现”，可能在未来十年内催生出一批完全由AI设计的新型药物。