一个可按单个原子精度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。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，于当地时间10月16日在国际期刊《科学》上发表了相关研究成果。该团队已于2025年12月3日开源RFdiffusion3。
RFdiffusion3的通讯作者为华盛顿大学教授戴维·贝克（David Baker），他因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，其标志性成果之一是蛋白质结构预测人工智能系统RosettaFold。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，从而完成蛋白质设计。
与前代版本不同，RFdiffusion3参考了蛋白质结构预测程序AlphaFold3的网络架构进行开发，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来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。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即可生成满足全部约束条件的蛋白质结构。
性能验证方面，研究人员选取现有酶的41个活性位点对比设计效果，结果显示在其中37组测试中，RFdiffusion3的表现优于RFdiffusion2，生成蛋白质结构的速度约为后者的十倍。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了预期的化学反应。
该研究的意义在于，基于人工智能的蛋白质研究已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。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。随着设计精度从氨基酸残基级推进至原子级，AI驱动的生物分子设计有望在酶工程、药物研发等方向缩短从计算设计到实验验证的周期。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
