最新 10 月 19 日消息，可按单个原子组合来设计蛋白质与核酸的生成式人工智能系统 RFdiffusion3，其详细设计方案现已正式对外公布。借助 RFdiffusion3 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。

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，搭建出了这套可对单个原子进行建模，用于设计蛋白质与核酸的系统，并于当地时间 16 日在国际期刊《科学》上发表了相关研究成果。

最新注意到，该研究团队已于 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，获得了 2024 年诺贝尔化学奖。贝克的标志性成果之一，就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 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。RFdiffusion3 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，酶可以催化各类化学反应。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。

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。

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。”

参考资料：

• https://www.science.org/doi/10.1126/science.aeh2982