AI系统RFdiffusion3可从原子层面设计蛋白质

驱动中国10月19日消息，可按单个原子组合设计蛋白质与核酸的生成式人工智能系统RFdiffusion3，其详细设计方案已正式对外公布。借助该系统全新设计出的蛋白质，能够在真实化学反应中实现预期功能。

该研究由美国华盛顿大学、英国牛津大学、英伟达等机构组成的国际联合研究团队完成。团队搭建出可对单个原子进行建模、用于设计蛋白质与核酸的系统，相关成果已于当地时间16日在国际期刊《科学》发表。

研究团队已于2025年12月3日开源RFdiffusion3。刊登在《科学》上的论文详细阐释了RFdiffusion3的设计原理。

基于人工智能的蛋白质研究，已经从预测已有蛋白质的三维结构，进一步发展为设计具备目标结构与功能的全新蛋白质。

华盛顿大学教授戴维·贝克（David Baker）是这项RFdiffusion3研究的通讯作者。他凭借利用计算机预测蛋白质结构方面的贡献，获得2024年诺贝尔化学奖。贝克的标志性成果之一，是开发蛋白质结构预测人工智能系统RosettaFold。

RosettaFold学习构成蛋白质的氨基酸之间的空间关系，并利用这些信息预测蛋白质的三维结构。2023年发布的RFdiffusion1与2025年发布的RFdiffusion2，均依托RosettaFold所用的结构预测网络开发而成。

RFdiffusion借助扩散模型确定氨基酸的位置，以此完成蛋白质设计。扩散模型是一类人工智能模型，通过学习现有数据的分布规律生成新数据。

RFdiffusion3参考另一款蛋白质结构预测程序AlphaFold3的网络架构进行开发。该系统最多可用14个原子表征单个氨基酸，通过直接调整每个原子的三维坐标，设计全新蛋白质结构。

研究团队借助该系统实现了对酶活性位点的精准设计。酶属于蛋白质，是一种生物催化剂，能够加快生物体内各类化学反应的反应速率，并可催化各类化学反应。

当研究人员不仅指定反应所需原子的位置，还设定氢键的形成条件、特定原子在蛋白质内部的分布范围时，RFdiffusion3能够生成满足全部约束条件的蛋白质结构。

在对比测试中，研究人员选取现有酶的41个活性位点评估设计效果。结果显示，在37组测试中，RFdiffusion3的表现优于RFdiffusion2。其生成蛋白质结构的速度约为RFdiffusion2的十倍。

由RFdiffusion3设计的对氧磷降解酶与肽裂解酶，均在真实实验中顺利完成预期化学反应。研究团队表示，未来RFdiffusion3将被广泛应用于各类生物分子设计任务与相关应用领域。