AI 系统 RFdiffusion3 能从原子层面设计蛋白质，可在实验中实现预期功能

AI 总结
• 10月16日，由华盛顿大学、牛津大学、英伟达等组成的国际团队在《科学》期刊发表成果，正式公布AI系统RFdiffusion3的详细设计方案，该系统能从原子层面设计蛋白质与核酸。
• RFdiffusion3参考AlphaFold3网络架构开发，最多用14个原子表征单个氨基酸，通过直接调整每个原子的三维坐标来设计全新蛋白质结构，已于2025年12月3日开源。
• 在对比测试中，RFdiffusion3对41个酶活性位点的设计中有37组优于RFdiffusion2，生成蛋白质结构的速度约为RFdiffusion2的十倍。
• 实验验证表明，由该系统设计出的对氧磷降解酶与肽裂解酶均能在真实化学反应中顺利实现预期功能。
• 通讯作者戴维·贝克凭借蛋白质结构预测贡献获得2024年诺贝尔化学奖，团队表示未来RFdiffusion3将被广泛应用于各类生物分子设计任务与相关应用领域。

【AI 系统 RFdiffusion3 正式发布，可从原子层面设计蛋白质】
IT之家 10 月 19 日消息，可按单个原子组合来设计蛋白质与核酸的生成式人工智能系统 RFdiffusion3，其详细设计方案现已正式对外公布。

借助 RFdiffusion3 全新设计出的蛋白质，能够在真实化学反应中实现预期功能。


【国际联合团队研究成果发表于《科学》】
由美国华盛顿大学、英国牛津大学、英伟达等机构组成的国际联合研究团队，搭建出了这套可对单个原子进行建模，用于设计蛋白质与核酸的系统，并于当地时间 16 日在国际期刊《科学》上发表了相关研究成果。

IT之家注意到，该研究团队已于 2025 年 12 月 3 日开源 RFdiffusion3。

刊登在《科学》上的论文详细阐释了 RFdiffusion3 的设计原理。

【从结构预测到蛋白质设计】
基于人工智能的蛋白质研究，已经从预测已有蛋白质的三维结构，进一步发展为设计具备目标结构与功能的全新蛋白质。

华盛顿大学教授戴维 · 贝克（David Baker）是这项 RFdiffusion3 研究的通讯作者，他凭借利用计算机预测蛋白质结构方面的贡献，获得了 2024 年诺贝尔化学奖。

贝克的标志性成果之一，就是开发蛋白质结构预测人工智能系统 RosettaFold。

RosettaFold 学习构成蛋白质的氨基酸之间的空间关系，并利用这些信息预测蛋白质的三维结构。

2023 年发布的 RFdiffusion1 与 2025 年发布的 RFdiffusion2，都是依托 RosettaFold 所用的结构预测网络开发而成。

RFdiffusion 借助扩散模型确定氨基酸的位置，以此完成蛋白质设计。

扩散模型是一类人工智能模型，它学习现有数据的分布规律，进而生成新数据。

【RFdiffusion3 的技术突破】
RFdiffusion3 参考了另一款蛋白质结构预测程序 AlphaFold3 的网络架构进行开发。

RFdiffusion3 最多可用 14 个原子表征单个氨基酸，通过直接调整每个原子的三维坐标，来设计全新蛋白质结构。

研究团队借助该系统实现了对酶活性位点的精准设计，酶可以催化各类化学反应。酶属于蛋白质，是一种生物催化剂，能够加快生物体内各类化学反应的反应速率。

当研究人员不仅指定反应所需原子的位置，还设定氢键的形成条件、特定原子在蛋白质内部的分布范围时，RFdiffusion3 就能生成满足全部约束条件的蛋白质结构。

【实验验证与性能优势】
研究人员选取现有酶的 41 个活性位点对比设计效果，结果显示在其中 37 组测试中，RFdiffusion3 的表现优于 RFdiffusion2。

它生成蛋白质结构的速度大约是 RFdiffusion2 的十倍。

由 RFdiffusion3 设计的对氧磷降解酶与肽裂解酶，都在真实实验中顺利完成了预期的化学反应。研究团队表示：“未来 RFdiffusion3 将被广泛应用于各类生物分子设计任务与相关应用领域。”

参考资料：

https://www.science.org/doi/10.1126/science.aeh2982

[来源链接] https://www.ithome.com/1/014/625.htm