AlphaFold
-
AI 在药物研发中的应用：从靶点识别到临床试验
AI 在药物研发中的应用：从靶点识别到临床试验 近年来，人工智能 (AI) 在各个领域都取得了巨大的进步，药物研发也不例外。AI 的应用为药物研发带来了新的希望，它可以帮助科学家更快地识别新的药物靶点，设计新的药物分子，并加速临床试验...
-
AlphaFold 3预测非规范核苷酸与金属离子配位时的底层算法缺陷
AlphaFold 3（AF3）从上一代的“基于残基局部坐标系（Frame-aligned）”转向了“全原子三维空间扩散模型（Diffusion Module）”。这一架构转变赋予了它处理任意化学实体（蛋白质、核酸、小分子配体、修饰基团及...
-
AlphaFold 3 对比 RoseTTAFold All-Atom：过渡金属配位的算法机制与预测精度差异
在结构生物学中，过渡金属（如铁 $Fe$、铜 $Cu$、锌 $Zn$、锰 $Mn$ 等）的配位几何预测一直是一个极具挑战性的课题。这些过渡金属拥有未充满的 d 轨道，其配位键介于共价键和静电作用之间，表现出高度的构型方向性（如八面体、四面...
34 结构生物学 -
AlphaFold 3能否替代传统对接和物理计算？深剖小分子与金属配体预测表现
作为计算化学和药物研发领域近期的最大热点，AlphaFold 3（AF3）将预测范围从单纯的蛋白质拓展到了核酸、小分子配体、金属离子以及化学修饰。这一跨越在学术界和工业界都引起了巨大震动。 但在热闹的宣发背后，我们需要冷静地评估两个核...
-
从“只给网页”到“开源代码”：AlphaFold 3 的妥协、社区自救与AI制药的权力重构
2024 年 5 月，DeepMind 在《Nature》上发表了 AlphaFold 3（AF3），宣称其不仅能预测蛋白质，还能预测 DNA、RNA 以及化学小分子配体的复合物结构。然而，伴随这项里程碑式成果而来的，不是欢呼，而是一场结...
-
如何评价开源模型 Boltz-1 和 Chai-1？它们能否在药物研发中真正替代 AlphaFold 3？
在 AI 结构生物学领域，AlphaFold 3（AF3）的发布无疑是一座里程碑，它将预测范围从单纯的蛋白质拓展到了核酸、小分子配体和修饰。然而，对于制药工业界和广大科研人员来说，AF3 最初“犹抱琵琶半遮面”的闭源状态（早期仅提供有诸多...
-
AlphaFold 3 开源学术权重后，AI 制药创业公司靠什么活下去
Google DeepMind 终究还是向学术界低了头。 AlphaFold 3（以下简称 AF3）的源代码和学术权重正式开源。这一举动，把大半年前因“仅提供 Web 服务器、限制每日调用、不给权重”而引发的学术界怒火彻底平息，但也顺...
-
AlphaFold 3 迟到的开源：学术界的全面狂欢，与工业界尴尬的“围城”
从今年 5 月在《Nature》发表论文时仅提供限制重重的 Web 服务器，到 11 月正式释放完整源代码和模型权重，DeepMind 的这一百八十度大转弯，无疑是今年 AI for Science 领域最重磅的戏剧性事件。 对于这个...
36 DeepMind -
AlphaFold 3 本地开源，会砸了冷冻电镜（Cryo-EM）服务商的饭碗吗？
AlphaFold 3（AF3）学术版的本地部署和开源，在结构生物学界和药物研发领域激起了不小的水花。对于那些手握数台 Titan Krios（冷冻透射电镜）、靠提供“制样-数据采集-结构解析”一条龙服务的传统 Cryo-EM 实验服务商...
-
那些贷款买 Titan Krios 的地方高校和中小 CRO，如今正面临怎样的隐秘危机？
在生物医药和结构生物学界，赛默飞的 Titan Krios （300kV 冷冻透射电镜）一直被誉为“科研重器”与“吞金巨兽”。前几年，乘着结构生物学解析风口、地方政府产业规划红利，以及 2022 年底那一波“设备更新改造专项再贷款”的东...
-
那些曾经靠「解结构」坐拥 CNS 的实验室，在 AlphaFold 3 时代都转型去哪了？
AlphaFold 3（AF3）的开源，尤其是它对蛋白质-核酸、蛋白质-小分子配体、修饰性化学基团复合物预测能力的跃升，确实给传统结构生物学界带来了一场海啸。 在几年前，冷冻电镜（Cryo-EM）刚普及的“黄金时代”，一个课题组只要能...
-
AlphaFold 3 都能预测配体结合了，为什么 AI 制药公司还要砸钱做湿实验？
在生物医药和 AI 交叉领域，AlphaFold 3（AF3）的发布无疑是一场地震。它不仅能预测蛋白质结构，还能预测蛋白质与小分子配体、DNA、RNA 的复合物结构。 这时候，很多行外人（甚至不少投资人）都会产生一个极其自然的疑问： ...
-
除了AlphaFold 3，现代AI药物设计管线里还有哪些不可或缺的底层模型？
在AI制药（AIDD）领域，AlphaFold 3毫无疑问是聚光灯下最耀眼的明星。它解决了“结构预测”这一历史性难题。然而，药物研发是一个漫长且复杂的系统工程，从靶点发现、先导化合物筛选、结构优化到ADMET（吸收、分布、代谢、排泄和毒性...
-
RFdiffusion设计的蛋白质怎么看质量？小白保姆级PDB评估指标拆解
在 AI 蛋白质设计领域， RFdiffusion 毫无疑问是目前的明星工具。但很多刚入行或者跨界过来的同学，在跑完 RFdiffusion 拿到一堆 .pdb 格式的结构文件后，往往会一脸懵逼： “这个结构到底折叠得好不好？...
-
ProteinMPNN设计序列后 怎么用PyMOL分析突变体相互作用力
ProteinMPNN 是目前蛋白质从头设计（De Novo Protein Design）和序列优化领域的主流工具。但它输出的直接结果是 FASTA 格式的氨基酸序列 ，而非带有三维坐标的 PDB 结构。 要使用 PyMOL 分析...
-
除了FoldX，如何用深度学习方法快速评估ProteinMPNN突变体的结合力？
在蛋白质从头设计（De Novo Protein Design）或亲和力成熟（Affinity Maturation）的工作流中， ProteinMPNN 已经成为序列设计的标配工具。然而，ProteinMPNN 产生的候选序列往往成百...
-
如何在不牺牲抗体结合力的前提下，利用ProteinMPNN大幅提升热稳定性（Tm）？
在抗体工程中， 热稳定性（Tm值）与亲和力（结合力）的协同优化 是一个经典的“既要又要”难题。 ProteinMPNN 作为目前最优秀的逆折叠（Inverse Folding）模型之一，其本质是根据主链几何结构生成匹配的氨基酸序列。它...
-
无三维结构时，如何仅凭氨基酸序列用 ESM-Fold 预测抗原结合表位？
在抗体药物研发或免疫学研究中，获得抗原-抗体复合物的晶体结构通常耗时且成本高昂。随着单序列蛋白质结构预测工具（如 Meta 的 ESM-Fold）的出现，仅凭一级氨基酸序列预测抗原结合表位（Epitope）和抗体靶点（Paratope）已...
-
如何用 AlphaFold-Multimer 落地抗原与海量天然抗体文库的盲筛对接管线
在没有已知抗体作为阳性对照的情况下，直接使用 AlphaFold-Multimer (AFM) 对数万甚至数百万个天然抗体序列进行盲筛对接，在计算资源（GPU 算力）和时间成本上是极不现实的。标准 AFM 预测一个抗原-抗体复合物通常...
-
别再用ColabFold做万级筛选了：超高通量抗体-抗原盲对接的几何深度学习工具指南
在抗体药物研发的早期阶段，面对数十万个候选抗体序列， ColabFold（基于 AlphaFold-Multimer）的推断速度是无法承受的。 尽管它的精度极高，但其庞大的参数量和自注意力机制的时间复杂度，导致单次对接耗时通常在数分钟到...
