Google DeepMind 及旗下 Isomorphic Labs 近日宣布模型程式碼和權重提供學術使用，象徵一項重大進展，可望加速醫學研究和藥物開發。

AlphaFold 2 已能預測蛋白質結構，AlphaFold 3 則模擬多種蛋白質、DNA、RNA 等大型生物分子以及小分子配體聚集在一起交互作用，可推動藥物開發和疾病治療。研究這些交互作用的傳統方法通常需要數個月時間和大筆研究經費，而且無法保證一定成功，透過 AlphaFold 3 可大幅降低時間和成本。

AlphaFold 3 是建立在 Google DeepMind 使用 AlphaFold 2 預測蛋白質結構的基礎上，根據蛋白質資料庫所包含的全球分子結構資料進行訓練，能夠處理 99% 以上的已知複合生物分子。

Excited to share that the AlphaFold 3 model code and weights are now available for academic use.
Looking forward to seeing what new research this unlocks and how the research community builds on AlphaFold 3 for scientific discoveries 1/2

— Max Jaderberg (@maxjaderberg)

▲ AlphaFold 3 模型程式碼和權重提供學術使用。

AlphaFold 模型由 Google DeepMind 執行長哈薩比斯（Demis Hassabis）和總監瓊柏（John Jumper）開發而成，由於在蛋白質結構預測和交互作用帶來重大突破，兩人日前獲頒。

AlphaFold 3 向學術開放的時機凸顯現代科學研究中的緊張關係，當 AlphaFold 3 在今年 5 月首次亮相，Google DeepMind 決定保留程式碼，允許透過自家 AlphaFold Server 工具免費取得 AlphaFold 3 大部分功能，進行非商業研究，然而存取模型權重需要 Google DeepMind 的學術用途許可，引來研究人員批評，如何平衡學術開放與商業利益成了一大難題。

隨著世界各地研究人員開始使用這項強大工具，人們可望看到理解和治療疾病方面有更快的進展。

（首圖來源：）

延伸閱讀：

文章看完覺得有幫助，何不給我們一個鼓勵