公开资料显示，谷歌AlphaFold模型可用于预测蛋白质结构和相互作用。而该模型的最新版本AlphaFold 3在蛋白质预测能力之上，还增加了预测DNA、RNA、小分子等几乎所有生物分子结构和相互作用的能力，直接推动了药物发现和疾病治疗。

对此，DeepMind首席执行官戴密斯·哈萨比斯评价道，AlphaFold 3是一个重要的里程碑。“生物学是一个动态系统，你必须了解生理特性是如何通过细胞中不同分子之间的相互作用而产生的。你可以把AlphaFold 3看作是我们朝着这个方向迈出了一大步。”

一般而言，通过普通实验方法研发药物需要耗费数年时间以及极高的成本，AlphaFold 3则能大幅加速这一进程。它可以快速筛选潜在药物靶标，通过预测靶点蛋白的结构，发现和寻找其可药用口袋。

值得一提的是，今年5月AlphaFold 3发布之初，曾因未开放底层代码而广受争议。科学家们认为，此举破坏了研发的可重复性。于是DeepMind立即转变方针并应允在半年内推出此AI模型的开源版本。目前，获取此模型需填写表单进行申请，经DeepMind审核通过后即可得到应用权。

▌AI制药蓄势待发

不可否认，以AlphaFold为代表的人工智能系统在生命科学领域取得重要突破，推动了AI在药物研发上的应用。与此同时，IT巨头们将生物技术视作AI应用的下一个前沿领域：去年Salesforce推出了蛋白质生成模型ProGen，早先微软也发布了与AlphaFold类似的开源模型EvoDiff。

聚焦国内，围绕AI药物研发模型所作布局同样火热。例如今年5月，百度飞桨螺旋桨PaddleHelix团队研发出HelixFold-Multimer模型，据称在抗原抗体/多肽蛋白复合体结构预测任务上达到业界领先；近年来，华为也不断更新盘古药物分子大模型并联合中国科学院上海药物研究所赋能全流程的AI药物设计。

华创证券研报指出，AI在药物发现阶段已展现出巨大潜力。AI技术特别是机器学习和深度学习算法，能够迅速分析和处理大量生物医学数据，识别潜在的候选化合物，预测其效果和副作用，从而显著缩短药物发现所需的时间。据英伟达所述，使用AI技术可以将药物发现所需时间缩短至原来的1/3，成本节约至1/200。

根据PrecedenceResearch，Al制药行业将在未来十年保持高速增长，2023年市场规模达11.7亿美元，预计市场规模到2032年将超过118亿美元，从2023年到2032年的CAGR将达到29.3%。

编辑：金杜