要想理解AlphaFold3进步的意义，需要了解⽣物体包含了多个层次的复杂性。郭瑞东|撰⽂陈晓雪|编辑5⽉8⽇，DeepMind在《⾃然》杂志报告了新⼯具AlphaFold3，能够预测DNA，⼩分⼦，离⼦与蛋⽩质组成的复杂结构。相⽐之前的特定领域的⼯具，AlphaFold3能够以更⾼的成功率对蛋⽩质配体相互作⽤及蛋⽩质与核酸相互作⽤进⾏预测。
DeepMind最新发布的AlphaFold 3，可以预测所有⽣命分⼦的结构和相互作⽤。
“AlphaFold 3的新功能，使其能够模拟并预测修改蛋⽩质分⼦，如添加最常⻅的氨基酸⽚段，或让蛋⽩质与⼈体内普遍存在的分⼦结合，会对其结构带来的什么影响。这将极⼤地提升⽣物及医学领域科学家们对于细胞内机制的理解能⼒。⽽且，所有这些功能都集成在⼀个⾮常易于使⽤的服务器上。”⽜津⼤学结构⽣物系主任Matthew Higgins评论说。
伦敦国王学院的结构⽣物学家Julien Bergeron则表示：“AlphaFold3将显著加快蛋⽩质⽣物化学和⽣物物理领域的实验设计进程。使⽤AlphaFold3的操作快速简便，将得到来⾃不同⼦学科的⽣命科学研究者的⼴泛使⽤。”
预测范围变⼴，性能继续提升。在此之前，DeepMind推出的AlphaFold2的研究论⽂，之所以能获得学术界和产业界2万+的引⽤，在于其在部分场景下，可替代耗时耗⼒的实验，⽤计算代替实验，⽤⼏分钟获得之前需要⼏个⽉实验才能获得的答案，从⽽为研究者节约时间和经费。
AlphaFold3则通过⼀个统⼀的框架应对多种问题，且AlphaFold3的预测成功率显著⾼于当前单独预测蛋⽩质⼩分⼦和蛋⽩质核酸的最好⼯具，成功率分别提升了50%和100%以上。
AlphaFold3的成功表明，开发合适的深度学习架构可以显著减少⾼性能⽣物学预测⼯具所需的数据量，并增强已有数据的影响⼒。AlphaFold3的进步不仅将得益于深度学习的发展，还因为经由实验提供⼤量新数据，进⼀步提升模型的泛化能⼒。