Accurate structure prediction of biomolecular interactions with AlphaFold 3

原文链接：全文

作者：Josh Abramson, Jonas Adler, Jack Dunger, …, John M. Jumper

Nature，2024 年 6 月

AlphaFold 2 让单条蛋白链的结构预测接近实验精度，可细胞里的分子机器很少只由蛋白组成：转录因子要抓住 DNA，核糖体由 rRNA 和几十种蛋白装配而成，药物分子要嵌进蛋白口袋，糖链和磷酸基团会改写蛋白之间的结合方式。过去这些问题分属不同的专用工具，各管一段。

2024 年 5 月，Google DeepMind 与 Isomorphic Labs 在 Nature 发表 AlphaFold 3（AF3）：输入蛋白/DNA/RNA 序列、小分子 SMILES、修饰残基和共价键信息，直接输出整个复合物的全原子三维坐标。为此模型做了两处根本性改动：用 MSA 处理大幅简化的 Pairformer 取代 Evoformer，用直接在原子坐标上去噪的扩散模块取代 AF2 的结构模块。

效果上，PoseBusters 蛋白–配体基准中 AF3 的成功率（口袋对齐配体 RMSD < 2 Å）为 76.4%，经典对接工具 Vina 为 52.3%，而且 Vina 还用上了实验结构和口袋信息；蛋白–双链 DNA 界面 iLDDT 从 RoseTTAFold2NA 的 28.3 提高到 64.8；抗体–抗原界面的正确率从 AlphaFold-Multimer v2.3 的 29.6% 提高到 62.9%。与此同时，论文也明确列出了手性错误、原子碰撞、无序区”幻觉”和构象覆盖不足等问题。

本文按”研究问题 → 方法核心 → 逐图讲解 → 核心发现 → 意义与局限”展开，文末附一份拿到 AF3 预测结果后的检查清单。

一、研究问题

AlphaFold 2（AF2）发布后不久，研究者就发现只要对输入做一些简单改动（比如把两条链用长 linker 连起来），它就能给出相当准确的蛋白–蛋白相互作用预测；DeepMind 随后专门训练了 AlphaFold-Multimer，把复合物预测做成了正式能力。这一系列成功自然引出了下一个问题：能否在同一个深度学习框架里，准确预测包含配体、离子、核酸和修饰残基的复合物？

在 AF3 之前，这类问题大致由下面几类工具分别处理：

蛋白单体与蛋白复合物

AF2、AlphaFold-Multimer、RoseTTAFold、ESMFold 等。它们的表示方式围绕氨基酸设计：骨架局部坐标系、侧链扭转角、残基级的几何约束。

蛋白–小分子

AutoDock Vina、Gold 等物理打分对接工具，以及 DiffDock、EquiBind、TankBind、Uni-Mol 等深度学习对接方法。前者通常需要已解析的蛋白结构（往往是与配体共结晶的 holo 结构）和口袋位置；后者的精度参差不齐，PoseBusters 的分析指出很多 AI 对接方法生成的姿势在物理上并不合理。

蛋白–核酸与 RNA 三级结构

RoseTTAFoldNA / RoseTTAFold2NA，以及 CASP15 中的各类 RNA 结构预测程序（不少还依赖人工干预）。与本工作同期，RoseTTAFold All-Atom 也尝试做通用的全原子建模。

作者指出，这种分工有两个根本问题。第一，大多数方法只针对一种相互作用类型，无法处理同时含有多种实体的一般复合物，例如”蛋白 + DNA + 小分子”的三元体系，或者”糖基化刺突蛋白 + 抗体”。第二，深度学习方法在这些专门任务上的精度经常不如基于物理的方法。还有一个更隐蔽的问题：传统对接先固定蛋白结构，再把配体放进口袋，可配体结合往往伴随口袋构象调整，把”结构预测”和”分子对接”硬拆成两步，本身就丢掉了这种耦合。

AF3 的目标因此很明确：覆盖 PDB 中几乎所有的分子类型，在一个模型里同时处理蛋白、DNA、RNA、小分子配体、离子、糖链、修饰残基以及它们之间的共价连接，并且在每个类别上都尽量追平甚至超过最强的专用方法，同时不牺牲原有的蛋白预测精度。

AF3 的输入与输出

输入：蛋白、DNA、RNA 的序列；小分子的 SMILES（或化学组分字典 CCD 中的编号）；残基修饰（磷酸化、甲基化、糖基化等）；实体之间的共价键。

辅助信息：遗传数据库检索得到的 MSA、模板检索得到的结构模板、由化学信息生成的小分子参考构象。

输出：整个复合物所有重原子的三维坐标，以及 pLDDT、PAE、PDE、pTM、ipTM 等置信度。

二、方法核心：Pairformer + 原子级扩散

AF3 的总体思路延续 AF2：一个庞大的主干网络（trunk）先演化出复合物的成对表示，再由结构生成模块把它变成显式的原子坐标。但每个主要部件都改动很大。作者说明，这些改动一方面是为了在不做大量”特殊情况处理”的前提下容纳各种化学实体，另一方面来自对 AF2 各种改动效果的长期观察，目的是提高学习的数据效率。

整体流程：从序列到原子坐标

AF3 先把输入切分成 token：标准氨基酸和核苷酸每个残基是一个 token，小分子等非标准组分则按原子拆成 token。这样蛋白残基、核苷酸和配体原子都能放进同一套表示里。整个推理流程（对应后文 Fig. 1d）依次经过：

Step 1 输入嵌入器（Input embedder，3 个 block）：把序列、化学信息、参考构象编码成 single 表示（每个 token 一个向量）和 pair 表示（每对 token 一个向量）。

Step 2 模板模块（Template module，2 个 block）：把检索到的结构模板信息加进 pair 表示。

Step 3 MSA 模块（4 个 block）：从 MSA 中提取共进化信息，汇入 pair 表示。

Step 4 Pairformer（48 个 block）：主干网络的核心，反复更新 single 和 pair 表示；Step 2–4 会循环迭代（recycling）多次。

Step 5 扩散模块（Diffusion module，3 + 24 + 3 个 block）：以主干输出为条件，从随机噪声开始反复去噪，生成全原子坐标。

Step 6 置信度模块（Confidence module，4 个 block）：根据主干表示和生成的结构，给出 pLDDT、PAE、PDE 等误差预测，用于给多个候选结构排序。

三、看图说话

论文正文只有五张主图，分工很清楚：Fig. 1 回答”能做什么、做得多好”，Fig. 2 回答”为什么能做到”，Fig. 3 展示”能处理多复杂的体系”，Fig. 4 回答”置信度能不能信”，Fig. 5 坦白”哪些地方会出错”。

Figure 1 · 能力范围与总体性能

这张图想回答：AlphaFold 3 能预测多少种生物分子复合物类型，在各项基准上表现如何？

Figure 1. a、b：AF3 预测示例（彩色为预测，灰色为实验结构）；c：在 PoseBusters、Recent PDB 评测集和 CASP15 RNA 上与专用方法的比较；d：AF3 推理架构。

怎么读这张图

Panel c 的四组柱状图各用各的指标：配体和共价修饰看口袋对齐 RMSD < 2 Å 的成功率，蛋白–核酸看 iLDDT，核酸和蛋白单体看 LDDT，蛋白–蛋白和抗体看 DockQ > 0.23 的比例。所以只能在同一组内比较不同方法，不能拿不同组的柱子高度互相比较。

柱高为均值，误差棒为 95% 置信区间；*** 表示 P < 0.001，** 表示 P < 0.01（PoseBusters 用双侧 Fisher 精确检验，其余用双侧 Wilcoxon 符号秩检验）。

Panel a 是一个细菌 CRP/FNR 家族转录调控蛋白与 DNA、cGMP 形成的复合物（PDB 7PZB），全复合物 LDDT 82.8，GDT 90.1。Panel b 是人冠状病毒 OC43 的刺突蛋白，共 4,665 个残基，带大量糖基化，并结合了中和抗体（PDB 7PNM），全复合物 LDDT 83.0，GDT 83.1。这两个例子想说明的是，AF3 可以把蛋白、核酸、小分子、糖链和抗体放在同一次预测里联合建模，无需先分别预测再拼接。

Panel c 是全文最重要的性能总结，具体数值见 Extended Data Table 1：

配体（PoseBusters v1，428 个靶标）

AF3（2019 截止版）成功率 76.4%，AutoDock Vina 52.3%，RoseTTAFold All-Atom 42.0%（427 个靶标）。AF3 对 Vina 的显著性 P = 2.27 × 10⁻¹³，对 RoseTTAFold All-Atom 为 P = 4.45 × 10⁻²⁵。

关键在于比较条件：论文把基线方法分成两类，一类只用蛋白序列和配体 SMILES，另一类额外”泄露”了已解析测试结构中的信息。Vina 这类传统对接属于后者，用的是实验得到的 holo 蛋白结构和口袋位置，而这些信息在真实应用中通常拿不到。AF3 不用任何结构输入，依然大幅领先。

核酸

蛋白–RNA 界面 iLDDT：AF3 39.4，RoseTTAFold2NA 19.0（25 个结构，P = 2.78 × 10⁻³）。蛋白–双链 DNA 界面：AF3 64.8，RoseTTAFold2NA 28.3（38 个结构，P = 7.28 × 10⁻¹²）。由于 RoseTTAFold2NA 只在 1,000 个残基以下的结构上验证过，这组比较只用了小于 1,000 个残基/核苷酸的结构，而 AF3 本身可以处理上千残基的蛋白–核酸体系。

CASP15 RNA（图中 n = 8）的 RNA LDDT：AF3 47.3，RoseTTAFold2NA 35.5，而有人类专家参与的 AIchemy_RNA2 为 54.5。AF3 在各自共同子集上的平均表现优于 RoseTTAFold2NA 和 CASP15 中最好的纯 AI 提交 AIchemy_RNA，但没有追上人类专家辅助的最佳提交。由于样本太少，作者没有报告显著性检验。图中的散点是单个靶标的得分。

共价修饰

共价结合配体成功率 78.5%（66 个簇）；糖基化 72.1%（28 个簇，高质量、单残基糖）；修饰残基中，蛋白修饰残基 51.0%（40 个簇）、DNA 修饰碱基 68.6%（91 个簇）、RNA 修饰碱基 40.9%（23 个簇）。

这组数据有两个需要留意的条件：共价配体和糖基化只保留了实验质量高于中位数的 X 射线结构，而且没有按与训练集的同源性过滤，因为按同源性过滤后分别只剩 5 个和 7 个簇；修饰残基数据集则做了与其他聚合物测试集相同的低同源过滤。在不限实验质量的数据上，多残基糖链成功率为 42.1%（131 个簇），略低于单残基糖的 46.1%（167 个簇）。

蛋白（对比 AlphaFold-Multimer v2.3）

全部蛋白–蛋白界面 DockQ > 0.23 的比例：AF3 76.6%，AF-M 2.3 67.5%（1,064 个簇，P = 1.81 × 10⁻¹⁸）。蛋白–抗体界面：AF3 62.9%，AF-M 2.3 29.6%（65 个簇，P = 6.54 × 10⁻⁵）。蛋白单体 LDDT：AF3 86.9，AF-M 2.3 85.5（338 个簇，P = 1.74 × 10⁻³⁴）。

注意抗体这一组的采样条件特殊：两个模型都对每个靶标跑了 1,000 个随机种子再排序（AF3 每个种子 5 个扩散样本），其余任务都是标准的 5 个种子。这一点在 Fig. 5a 中有专门分析。

蛋白这一组的意义容易被低估：AF3 把建模范围扩展到几乎所有分子类型之后，蛋白单体和蛋白–蛋白界面的精度不降反升。单体 LDDT 只提高了 1.4，但在 338 个簇的配对检验中方向非常一致，所以显著性极强。

PoseBusters 还有一些正文没有展开、但很有参考价值的补充结果（Extended Data Fig. 4 与 Table 1）。在去除了晶体接触问题的 PoseBusters v2（308 个靶标）上，AF3 成功率 80.5%，Vina 59.7%（P = 2.3 × 10⁻⁸）。在”给定 holo 蛋白结构”的设定下，DiffDock 为 37.9%，Gold 为 51.2%；在”给定口袋残基”的设定下，Uni-Mol Docking V2 为 77.6%。作者另外微调了一个接收口袋信息的 AF3 版本，v1 成功率升到 90.2%，v2 为 93.2%。Extended Data Fig. 3 还给出三个 Vina 和 Gold 都失败、AF3 成功的例子，配体 RMSD 分别为 0.65 Å（Notum 抑制剂，8BTI）、1.3 Å（7KZ9）和 0.44 Å（Galectin-3 抑制剂，7XFA）。

Panel d 是推理架构图。黄色是输入数据，蓝色是网络内部的抽象表示，绿色是输出；彩色小球代表物理原子坐标。图中可以看到两个循环：主干网络的 recycling（虚线回到输入端），以及扩散模块自身的多轮去噪迭代。置信度模块同时接收主干表示和扩散模块生成的结构，输出 0–100 的置信度着色。

Figure 2 · 架构与训练细节

这张图想回答：AF3 内部到底换了什么，才能把这么多种分子放进同一个模型？

Figure 2. 架构与训练细节。a Pairformer 模块（48 个 block，反复更新 pair 与 single 表示）。b 扩散模块以 token/原子条件做序列局部与全局注意力。c 训练时的扩散 rollout 与置信度/指标分支。d 各类界面的 LDDT 随训练步数的变化。

• Panel a 是主干核心 Pairformer：pair 表示（n×n×128）经三角更新和三角自注意力反复精修，single 表示（n×384）再用带 pair 偏置的注意力更新，共 48 个 block。相比 AF2 的 Evoformer，这里把重度依赖 MSA 的部分压缩掉，只保留对 pair 表示的几何推理。
• Panel b、c 是扩散模块：它直接在原子坐标上去噪，不再用 frame、扭转角和等变网络，所以任意化学组分（配体原子、糖、修饰残基）都能统一表示；训练时跑一个 20 步的 mini-rollout，并分出置信度和指标两个分支。
• Panel d 是训练曲线：七类界面（intraligand、蛋白–蛋白、蛋白–DNA/RNA 等）的 LDDT 随步数上升，到约 12 万步后两轮微调（fine-tune 1/2）再抬一截。可以看出蛋白内部（intraprotein）起点最高，蛋白–RNA 最低——这与后面各类任务的难度排序一致。

Figure 3 · 能处理多复杂的体系

这张图想回答：AF3 实际能一次预测出多大、多混合的复合物？

Figure 3. AF3 预测的复合物示例，预测蛋白为蓝色（抗体绿色）、配体与糖为橙色、RNA 紫色，灰色为实验结构。a 人 40S 小核糖体亚基（7,663 残基，含 18S rRNA 与起始 tRNA）；b–f 蛋白–配体、蛋白–蛋白界面的放大。

• Panel a 是最震撼的例子：人 40S 小核糖体亚基，7,663 个残基，由 18S rRNA 加几十条蛋白外加一条起始 tRNA 组成。彩色预测与灰色实验结构几乎重叠，说明 AF3 能把核酸、蛋白、tRNA 放在同一次预测里联合建模。
• Panel b–f 把若干蛋白–配体、蛋白–蛋白界面放大：橙色配体嵌进蓝色蛋白口袋，与灰色真实结构贴合。这些例子覆盖了「蛋白 + 核酸 + 小分子 + 糖 + 抗体」的多种组合，正是过去要靠好几种专用工具分段处理的场景。

Figure 4 · 置信度能不能信

这张图想回答：AF3 自己给出的置信度，和预测真实准不准对得上吗？

Figure 4. AF3 置信度跟踪准确率。a 上：蛋白相关界面准确率随链对 ipTM 变化；下：各类链的 LDDT-to-polymer 随链平均 pLDDT 变化。b–c 同一复合物的两种预测。d 界面 DockQ 矩阵。e 预测的 PAE 矩阵。

• Panel a：把预测按置信度分箱，箱线图显示置信度越高、真实准确率越高——链对 ipTM 与蛋白–蛋白 DockQ、蛋白–核酸 iLDDT 单调相关，链平均 pLDDT 与 LDDT-to-polymer 单调相关。也就是说，拿到结果先看置信度，大致就能判断该不该信。
• Panel d、e：对同一个四链复合物，DockQ 矩阵（d）显示哪些链对预测得好（如 A–F 的 0.721），PAE 矩阵（e）则能指出同一结构里哪些链对可信、哪些不可信——绿色越深表示该区域的相对位置预测误差越小。三种置信度（pLDDT、PAE、ipTM）各管一个层面。

Figure 5 · 哪些地方会出错

这张图想回答：AF3 还有哪些已知失败模式？困难靶标卡在哪一步？

Figure 5. 模型局限。a 低同源抗体预测质量随模型种子数增加而提升（AF3 vs AF-M 2.3）。b 一个手性错误的例子。c–e 蛋白在无序区/构象覆盖上的「幻觉」与误差示例。

• Panel a 是最重要的局限分析：低同源抗体–抗原界面的正确率随种子数一路升到 1,000 个仍未饱和，而单纯增加每个种子的扩散样本没有同样效果。这说明困难靶标的瓶颈在「能不能采样到正确结构」，所以抗体任务才要跑上千个种子（其余任务只跑 5 个）。
• Panel b–e 展示其它失败模式：扩散模块的生成本质会对无序区产生看似合理、实则不存在的「幻觉」结构（d）；约 4% 的样本出现手性错误（b）；此外还有原子碰撞、构象覆盖不足等问题。用 AF3 结果时要结合 pLDDT、PAE、ipTM 一起判断，关键界面再用实验验证。

四、核心贡献总结

发现 1：一个统一模型可以在几乎所有类别上超过专用方法

在 Fig. 1c 有对比基线的任务中，AF3 只有一个类别（CASP15 RNA）没有超过最强的专用方法（且对手有人类专家参与），其余类别都明显更好，蛋白单体和蛋白–蛋白界面的精度也高于 AlphaFold-Multimer v2.3。

发现 2：不用任何结构输入，配体姿势预测就超过了使用实验结构的对接工具

PoseBusters v1 上 76.4% 对 Vina 的 52.3%，v2 上 80.5% 对 59.7%；提供口袋信息后进一步升到 90.2% 和 93.2%。这说明蛋白结构预测和配体对接可以合并成一个问题来解。

发现 3：架构简化反而带来了通用性

去掉 frame、扭转角、等变网络和立体化学违例损失，改用直接作用于原子坐标的扩散模块，让模型可以不做特殊处理就容纳任意化学组分；MSA 处理压缩到 4 个 block，主干以 Pairformer 为主。

发现 4：跨实体的共进化信息并非不可或缺

配体没有共进化信号，抗体–抗原界面也常缺少可靠的配对 MSA，AF3 在这两类任务上的提升都很大。作者据此认为，AlphaFold 系列方法可以在不依赖 MSA 的情况下建模某些类别分子相互作用的化学和物理规律。单链蛋白精度依然受 MSA 深度影响，这一点没有改变。

发现 5：置信度校准良好，三种置信度各有分工

链对 ipTM 与蛋白–蛋白 DockQ、蛋白–核酸 iLDDT、蛋白–配体成功率都单调相关；链平均 pLDDT 与 LDDT_to_polymer 单调相关；PAE 能区分同一复合物中哪些链对可信、哪些不可信。

发现 6：困难靶标的瓶颈在采样

低同源抗体–抗原界面的正确率随模型种子数持续提升，到 1,000 个种子仍未饱和，而增加每个种子的扩散样本没有同样效果。AF3 的最终表现取决于两个环节：能否采样到正确结构，以及置信度排序能否把它挑出来。

五、局限与展望

AlphaFold 3 的意义在于将生物分子结构预测从”一条蛋白链怎么折叠”推广到”几乎任意类型的分子如何组装”，用一个统一模型覆盖了蛋白质、核酸、小分子配体、离子和修饰残基。它还表明，蛋白结构预测和分子对接可以合并为同一个问题，甚至不需要实验蛋白结构就能超过传统对接工具。

局限同样明显：扩散模块的生成本质带来了”幻觉”风险——对无序区域生成看似合理但实际不存在的结构；手性错误在约 4% 的样本中出现；抗体–抗原等困难靶标需要采样上千个种子才接近饱和；RNA 预测精度仍不及部分专用方法（如 CASP15 中借助人工干预的 AIchemy_RNA2）；模型训练和推理成本极高。使用时应检查 pLDDT、PAE 和 ipTM 三种置信度，并结合实验数据验证关键界面。

通讯作者介绍

本文的三位通讯作者是 Max Jaderberg、Demis Hassabis 和 John M. Jumper。Max Jaderberg 在论文中署名 Isomorphic Labs（伦敦），曾任该公司首席 AI 官；他在牛津大学获得工程科学本科学位，并在牛津大学视觉几何组（Visual Geometry Group）获得博士学位，博士阶段研究用于图像理解的深度学习算法，读博期间创办的视觉识别公司 Vision Factory 于 2014 年被 DeepMind 收购；此后他在 DeepMind 领导开放式学习（Open-Ended Learning）团队，主导或参与了 Capture the Flag、AlphaStar 等强化学习工作，加入 Isomorphic Labs 后主导了 AlphaFold 3 等药物设计 AI 模型的研发与应用。Demis Hassabis 在论文中同时署名 Google DeepMind 和 Isomorphic Labs，是 DeepMind 的联合创始人兼 CEO，也是 Isomorphic Labs 的创始人兼 CEO；他本科就读于剑桥大学计算机科学专业，2009 年在伦敦大学学院（UCL）获得认知神经科学博士学位，师从 Eleanor Maguire，博士期间研究海马体在情景记忆与想象中的作用，此后长期致力于通用人工智能、强化学习以及用 AI 推动科学发现。John M. Jumper 在论文中署名 Google DeepMind，领导 AlphaFold 团队；他在范德堡大学获得物理与数学学士学位，在剑桥大学获得理论凝聚态物理哲学硕士学位，随后在芝加哥大学获得理论化学硕士和博士学位，导师为 Tobin Sosnick 和 Karl Freed，博士论文研究用严格的机器学习方法建模粗粒化蛋白折叠与动力学，研究方向为蛋白质结构预测与面向生物分子的机器学习。Hassabis 与 Jumper 因 AlphaFold 在蛋白质结构预测上的贡献，与 David Baker 共同获得 2024 年诺贝尔化学奖。

引用

Abramson, J., Adler, J., Dunger, J., Evans, R., Green, T., Pritzel, A., … & Jumper, J. M. (2024). Accurate structure prediction of biomolecular interactions with AlphaFold 3. Nature, 630(8016), 493-500. https://doi.org/10.1038/s41586-024-07487-w