AlphaFold3（Abramson 等，Nature 2024）把结构预测从「单个蛋白」扩展到蛋白 + 核酸 + 小分子 + 离子 + 修饰的统一建模。这是范式的扩展——但它的能力边界与使用限制同样重要。
相对 AF2 的架构变化
| AlphaFold2 | AlphaFold3 | |
|---|---|---|
| 结构生成 | 结构模块（IPA，确定性） | 扩散模块（生成式） |
| 表示层 | Evoformer（重） | Pairformer（更轻，MSA 依赖降低） |
| 输出粒度 | 蛋白残基的框架 + 侧链角 | 直接预测全原子坐标 |
| 支持的分子 | 蛋白（AF-Multimer 支持多链） | 蛋白、DNA、RNA、小分子、离子、修饰 |
| 建模方式 | 单一预测 | 可采样多个结构 |
扩散模块：为什么换
# AF2 的结构模块是确定性的：
# 给定表示 → 一个结构
# → 无法表达构象的多样性
# → 对于本质上柔性/多态的体系，会给出「平均结构」
#
# AF3 的扩散模块：
# 从噪声出发，逐步去噪成结构
# → 可以采样多个不同的结构
# → 天然支持全原子（不必区分主链框架与侧链）
# → 统一处理不同类型的分子（都是原子）
#
# 关键优势：
# 1) 不需要为每种分子类型设计专门的表示
# 蛋白残基、核苷酸、小分子原子 —— 都是原子
# 2) 生成式建模更适合多模态问题（见 102）
#
# 代价：
# 1) 扩散模型会产生「幻觉」
# 在无序区可能生成看似合理但虚假的结构
# → AF2 的低 pLDDT 区是「散开的面条」，明确提示不确定
# → AF3 可能生成一个「看起来很结构化」的错误构象
# → 【这是使用中必须警惕的】
# 2) 需要多次采样并排序
# 3) 训练与推理都更复杂
#
# AF3 的应对：
# 加入「交叉蒸馏」训练，让模型在无序区
# 也生成类似 AF2 的散开形态能力与实际表现
- 蛋白-小分子复合物：论文报告在 PoseBusters 基准上显著优于传统对接方法。但这个比较存在争议——测试集与训练数据的时间划分、以及是否使用了模板信息，都影响可比性；
- 蛋白-核酸：相对之前的方法有明显提升，这是 AF3 的一个突出优势；
- 抗体-抗原：仍然是难点。界面预测的成功率明显低于一般的蛋白-蛋白界面——CDR 环的构象与结合模式高度多样，缺乏共进化信号（见 364《抗体结构预测》）；
- 蛋白-蛋白：优于 AF-Multimer，但对弱瞬时相互作用仍不可靠；
- 翻译后修饰与配体：能建模常见的糖基化、磷酸化与辅因子。
使用限制：这是实际的主要障碍
# AlphaFold Server（https://alphafoldserver.com）
# 免费，网页界面
# 限制：
# - 每日提交次数有限
# - 【仅限非商业用途】
# - 配体只能从预定义列表中选（不能任意 SMILES）
# - 不能下载模型权重
#
# 代码与权重
# 2024 年 11 月开放了代码与权重申请
# 但：
# - 权重需要单独申请，审批
# - 【仅限非商业研究用途】
# - 不能用于商业药物发现
#
# → 对工业界用户，这是根本性的限制
#
# 开源替代（可商用，见 120、121、122）：
# Boltz-1 / Boltz-2: MIT 许可，完全开放
# Chai-1: 开放权重（商用需注意条款）
# → 【工业界的实际选择通常是这两个】
#
# 对比结论：
# 如果只是学术研究，AF3 Server 够用
# 如果要做产业化的药物发现，直接用 Boltz-2置信度指标
- pLDDT：与 AF2 同义，但现在是逐原子的；
- PAE：同 AF2，判断相对位置可信度；
- ipTM：界面的可信度，多分子体系的核心指标；
- 对小分子的特殊注意：配体的 pLDDT 高不代表结合姿势正确。它只说明模型对该位置有信心，而模型可能自信地错——必须用 PoseBusters 等物理检查与传统对接交叉验证（见 096《Binding Pose》）。
对药物发现的实际影响
| 影响 | 说明 |
|---|---|
| 复合物建模门槛降低 | 之前需要专门方法，现在统一处理 |
| 核酸药物设计受益 | 蛋白-RNA/DNA 建模能力明显提升（见 375《反义寡核苷酸 ASO》） |
| 假设生成加速 | 快速得到结合模式假设供实验验证 |
| 不能替代实验结构 | 关键决策仍需共晶 |
| 不能替代亲和力预测 | AF3 不预测亲和力（Boltz-2 尝试了，见 121《Boltz-2 技术报告精读》） |
| 许可限制影响产业应用 | 商业用途需用开源替代 |
正确的使用心态
- 把它当作「高质量的假设生成器」，而非「结构测定的替代」；
- 多次采样并检查一致性：如果多次预测给出差异很大的结果，说明该体系不可靠；
- 与传统方法交叉验证：AF3 预测的配体姿势应该与 Vina/GNINA 的结果比较（见 346《比较 DiffDock、Vina、GNINA》）；
- 警惕对新颖体系的过度信任：与训练数据差异大的体系（新颖折叠、罕见配体类型），预测可靠性下降；
- 不要用它做点突变影响的预测：这是所有此类模型的共同弱点。
关键要点
- 扩散模块取代确定性结构模块，让统一建模蛋白/核酸/小分子成为可能；
- 扩散模型会「自信地幻觉」——生成看似结构化的错误构象，比 AF2 的散开形态更具误导性；
- 许可仅限非商业用途，产业界的实际选择是 Boltz-2 或 Chai-1；
- 配体 pLDDT 高不代表姿势正确，必须做物理检查与交叉验证。
延伸资源
- AlphaFold2：112《AlphaFold2 论文精读》；Boltz-1：120《Boltz-1 技术报告精读》；Boltz-2：121《Boltz-2 技术报告精读》；Chai-1：122《Chai-1 技术报告精读》；
- 方法对比：346《比较 DiffDock、Vina、GNINA》；结构应用：343《用 AlphaFold Server 预测无结构靶点》。