设计一个蛋白质，过去要盯着氨基酸的排列组合反复试。现在，这套系统把尺度压到了单个原子——最多用 14 个原子来表征一个氨基酸，直接调整每个原子的三维坐标，把结构"摆"出来。
这套系统叫 RFdiffusion3，能按单个原子组合来设计蛋白质与核酸。它的详细设计方案已经正式对外公布，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。
研究团队由美国华盛顿大学、英国牛津大学、英伟达等机构组成，成果于当地时间 16 日发表在国际期刊《科学》上。团队已于 2025 年 12 月 3 日开源 RFdiffusion3，论文则详细阐释了它的设计原理。
从预测结构，到设计结构
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。RFdiffusion3 站在这条演进线的末端。
它的通讯作者是华盛顿大学教授戴维·贝克（David Baker）。他凭借利用计算机预测蛋白质结构方面的贡献，获得了 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，都是依托 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，它学习现有数据的分布规律，进而生成新数据。
RFdiffusion3 则参考了另一款蛋白质结构预测程序 AlphaFold3 的网络架构进行开发。
约束条件越多，它越能对上
研究团队借助这套系统实现了对酶活性位点的精准设计。酶可以催化各类化学反应，它本身属于蛋白质，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。
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 就能生成满足全部约束条件的蛋白质结构。
效果用数字说话：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。它生成蛋白质结构的速度大约是 RFdiffusion2 的十倍。
由 RFdiffusion3 设计的对氧磷降解酶与肽裂解酶，都在真实实验中顺利完成了预期的化学反应。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。"
热门跟贴