全開源、可商用，蛋白質、核酸與藥物結構預測基礎模型OpenFold3

編輯丨coisini

2024 年 5 月，Google DeepMind 發(fā)布了 AlphaFold3 模型，該模型能夠對包括蛋白質、核酸、小分子、離子和修飾殘基在內的復合物進行聯(lián)合結構預測，堪稱革命性模型。

但 Google DeepMind 沒有立即公布其論文代碼，而是在六個月后正式開源，允許學術研究者免費下載軟件代碼，但不允許將 AlphaFold3 用于商業(yè)應用。

非營利性人工智能研究聯(lián)盟 OpenFold Consortium 一直致力于打造性能匹敵 AlphaFold3 的全開源結構預測基礎模型。

現(xiàn)在，該研究聯(lián)盟宣布發(fā)布 OpenFold3 預覽版（OpenFold3-preview），這是一個開源深度學習模型，能夠以高精度預測復雜蛋白質及其相互作用分子的三維結構。

開源地址：https://github.com/aqlaboratory/openfold-3

OpenFold3

OpenFold3 基于超大規(guī)模數(shù)據(jù)庫進行訓練，包含超過 30 萬個公開可用的實驗測定結構，以及超過 1300 萬個 OpenFold 整理合成的結構。

OpenFold3 僅需氨基酸序列作為輸入，即可預測蛋白質如何折疊成其三維結構。OpenFold3 新增了預測蛋白質與其他分子相互作用的能力，包括小分子配體、核酸等。

OpenFold3 基于 PyTorch 構建，并可在 NVIDIA NIM 上獲取，這不僅實現(xiàn)了高速性能，還最大限度地減少了計算資源的使用。

OpenFold3-preview 在生物分子結構預測方面的表現(xiàn)可媲美 SOTA 模型，并且是唯一一個在單體 RNA 結構預測中性能匹敵 AlphaFold3 的模型。

值得一提的是，OpenFold3 采用模塊化設計，注重可用性，允許生物制藥和材料科學公司修改模型，使其能夠以原生格式解讀數(shù)據(jù)，而不是讓數(shù)據(jù)適應模型。OpenFold3 使生物分子建模變得可適應、可擴展。

可商用

相較于 AlphaFold3，OpenFold3 的一個關鍵優(yōu)勢在于其所有軟件組件均采用 Apache 2.0 許可證，允許所有用戶測試模型、使用新數(shù)據(jù)集進行訓練、開發(fā)新應用并調整模型。

一些公司已計劃利用 OpenFold3 加速新療法和新產(chǎn)品的研發(fā)。知名制藥公司諾和諾德將調整該模型以適應內部流程和專有數(shù)據(jù)，以支持新療法的研發(fā)。細胞療法公司 Outpace Bio 將使用該模型生成具有特定分子回路設計的新型細胞療法。拜耳作物科學將應用 OpenFold3 研究來自植物、雜草和害蟲的蛋白質，加速新型作物保護產(chǎn)品的研發(fā)。生物技術公司 Cyrus Biotechnology 將利用該模型設計用于治療自身免疫性疾病的新型酶基藥物。

此外，今年 6 月在英國啟動的 OpenBind 計劃將使用生成數(shù)據(jù)對 OpenFold3 進行微調。

OpenFold3 的全面開源與商用友好策略，將讓結構預測模型可以在業(yè)界釋放更多潛力。

參考內容：

https://www.nature.com/articles/d41586-025-03546-y

https://www.businesswire.com/news/home/20251028507233/en/OpenFold-Consortium-Releases-Preview-of-OpenFold3-An-Open-Source-Foundation-Model-for-Structure-Prediction-of-Proteins-Nucleic-Acids-and-Drugs