遗憾的是，这些领域，对AlphaFold 2还是一块黑域。
而在Jumper看来，最理想的工具，应该同时具备预测蛋白质结构及其配件结构的能力。比如谷歌DeepMind希望，能够解析整个PDB蛋白质数据库。
令人惊喜的是，AlphaFold 3出现了！
对于预测蛋白质结构及其相互作用伙伴，AlphaFold 3的有效性都远超现有的工具。
比如，希望发现新药物的科学家，都会借助docking软件来确认蛋白质结构，物理模拟蛋白质与化学物质的结合效果。
而AlphaFold 3的实验效果就要好于docking，以及另一个AI工具RoseTTAFold All-Atom。
伦敦Francis Crick研究所的生物化学家Frank Uhlmann在使用过AlphaFold 3，就表示效果喜人！
他的团队利用AlphaFold 3，预测了参与基因组复制的DNA相互作用蛋白的结构，这是细胞分裂的关键步骤。
2017年加入谷歌DeepMind的John Jumper领导了开发AlphaFold 3的团队
在之后的实验中，他们使用了变异蛋白来改变相互作用，结果显示：预测结果非常准确。
华盛顿大学西雅图分校的计算生物物理学家David Baker评价说：「AlphaFold 3的结构预测表现非常出色。」
Baker团队就是RoseTTAFold All-Atom的开发者，但他还是承认AlphaFold 3的表现更好。
所有生物分子结构和相互作用，从此可以被预测
在每个植物、动物和人类的细胞中，存在着数十亿个微小的分子机器，它们由蛋白质、DNA以及其他分子构成。然而没有一个部分可以单独发挥作用。
如何真正开始理解生命的过程？唯有通过研究这些分子如何在数百万组合中相互作用。
由此，AlphaFold 3的诞生便显得意义重大！
因为有了它，从此人类能够以前所未有的精度，预测所有生物分子的结构和相互作用。
对于蛋白质与其他分子相互作用的预测，AlphaFold 3相比现有方法至少有50%的提升，对一些重要的相互作用类型，预测精度甚至可以提升100%。
我们对生物世界和药物发现的认识，可能从此会被AlphaFold 3彻底改变。
这次，谷歌DeepMind也留了一手。他们并未在论文中公布AlphaFold3的代码和底层信息，但模型的大部分功能仍然可以通过AlphaFold Server平台免费使用。
AlphaFold 3模型的构建，是以前代AlphaFold 2为基础的。
