比擬AlphaFold3，美國推出新一代蛋白預測系統OpenFold

潘 展|整理

近日，科學家發布了一款新型開源人工智能（AI）模型的預覽版，該模型可預測蛋白質的三維結構。科學家表示，其性能已接近谷歌DeepMind具有革命性意義的蛋白質折疊AI模型AlphaFold3。

這款名為OpenFold3的系統由OpenFold聯盟開發。該聯盟是一家由學術機構與私營研究團隊組成的非營利性合作組織，總部位于美國加利福尼亞州戴維斯市，隸屬于開放分子軟件基金會（OMSF），背后匯聚了哥倫比亞大學AlQuraishi實驗室、勞倫斯利弗莫爾國家實驗室生物韌性項目等頂尖科研力量，以及諾和諾德、拜耳等37家行業巨頭聯盟成員的支持。

AlphaFold3模型圖，圖片來源：Google DeepMind

01

OpenFold與AlphaFold

OpenFold的核心功能是從氨基酸序列到三維結構的精準預測，研究者只需輸入蛋白質的氨基酸序列，模型就能快速輸出其折疊形成的三維結構。該模型訓練數據涵蓋超過30萬個分子結構，以及一個包含4000多萬個結構的合成數據庫。截至目前，其開發成本已達1700萬美元。

真正讓OpenFold脫穎而出的，是它首次實現了蛋白質與其他分子相互作用結構的預測能力。無論是涵蓋市面上大多數藥物的小分子配體還是核酸，OpenFold都能精準模擬它們與蛋白質結合后的共折疊結構。這一突破對藥物研發意義重大，以往需要大量實驗驗證的藥物-靶點結合效果，如今可通過模型提前預測，顯著降低研發成本與風險。

OpenFold最核心的優勢，在于其完全開源的屬性。它采用Apache 2.0許可協議，所有軟件組件均無保留開放。所有用戶可自由測試或用新數據集訓練模型、開發新應用，甚至可以根據需求調整模型代碼。這是部分開源的AlphaFold3無法實現的。

OpenFold聯盟部分成員 圖片來源：公司官網

與AlphaFold3的產業場景限制相比，OpenFold實現了學術+產業雙場景覆蓋。尤其滿足了企業自定義開發的需求。例如，企業可結合自有數據，針對特定疾病的靶點蛋白微調模型，提升預測精準度。

OpenFold基于PyTorch框架構建，同時支持在 NVIDIA NIM（容器化加速 API）上使用。這意味著它能在任意環境中部署，實現大規模推理，既保證了高速運行，又優化了計算資源消耗，避免了高配置依賴的痛點。

此外，其采用模塊化架構，可直接適配生物制藥、材料科學等不同領域的工作流程，甚至能解讀企業原生格式數據。企業無需調整數據格式，減少了資源占用。

02

賦能現實應用，創造實際價值

目前，OpenFold的應用已覆蓋三大核心方向：

一是預測蛋白質與藥物、核酸等分子的共折疊結構，為藥物篩選提供依據；

二是整合到蛋白質設計流程，檢測反向折疊工具（如 ProteinMPNN）生成的序列結構合理性；

三是深度融入藥物研發價值鏈——從靶點選擇、分子設計優化，到臨床患者分層，全方位提升研發效率。

OpenFold的實用價值已得到眾多行業龍頭的驗證，多家大型企業已承諾采用 OpenFold3以加速新療法和新產品的研發進程。諾和諾德的科學家將通過調整模型適配內部研發流程與專有數據，加速新療法發現。Outpace Bio將借助模型開發搭載專用分子電路的新型細胞療法，突破傳統細胞治療的局限。拜耳作物的科學家將用其研究植物、雜草和害蟲的蛋白質，加速新型作物保護分子及性狀開發。賽勒斯生物技術則計劃基于模型設計治療自身免疫性疾病的新型酶類藥物，縮短研發周期。

機器學習將蛋白質結構領域推向一個新的發展階段

“能夠預測配體與其靶點結合的結構，這一能力將對整個研發價值鏈產生深遠影響——它有助于指導更優靶點的選擇、加速分子設計與優化，并為臨床患者分層提供依據，” 諾和諾德數字化學與分子設計副總裁、OpenFold 聯盟執行委員會成員彼得?克拉克（Peter Clark）表示，“獲得一個可供更廣泛群體使用、調整和優化的開源模型，將推動我們更快、更低成本地為患者提供更優質藥物的承諾落地。”

“AlphaFold之父”Jumper（左）和Hassabis在2023年拉斯克獎頒獎典禮上

開放分子軟件基金會（OMSF）還將聯合英國政府計劃利用合作方數據對模型進行微調，同時利用人工智能結構生物學（AISB）網絡聯合多家大型藥企，用藥企專有數據訓練模型。

此外，OMSF還推動了原子分子模擬、藥代動力學預測等協同項目。這些項目共同表明，圍繞OpenFold3 的生態系統正在不斷拓展，其作為未來模型開發共享基礎的作用也日益凸顯。

聯盟執行委員會主席伍迪?謝爾曼指出：“OpenFold 將通過社區反饋持續優化性能，未來幾個月將發布正式版，力爭實現與 AlphaFold3 性能完全持平”。

蛋白質人工智能領域在不久的將來或將迎來OpenFold與AlphaFold雙雄時代。

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

Deep Science預印本