利用 生成式人工智能 （ Generative AI ） 从头设计具有新功能的蛋白质方面，近期已取得显著进展。例如， David Baker 团队开发的 RFdiffusion （RFD1） 。 但这些 AI 模型都是在氨基酸水平上表示蛋白质的，这一水平在设计蛋白质单体、组装体和蛋白质结合蛋白方面已足够，但还不足以设计与小分子和核酸等非蛋 白质原子的特定侧链相互作用。今年 4 月份， David Baker 团队推出了 RFdiffusion2 （RFD2） ， 通过在对催化或配体结合至关重要的少量侧链原子上实现氨 基酸级扩散的条件化来应对上述挑战；然而，由于扩散仍处于氨基酸级别，它无法创建与配体或催化氨基酸残基的额外侧链相互作用。 在结构预测方面，DeepMind 团队开发的 AlphaFold3 （AF3） 利用了基于每个单独原子的扩散过程， 该过程以一个独立条件模块生成的蛋白质几何丰富表征作 为条件。进一步研究表明，原子扩散过程能够生成蛋白质主链，并且可以扩展到模拟侧链，但这些努力仍无法实现与非蛋白质成分相互作用的建模。 2025 年 9 月 18 日， David Baker 团队在预印本平台 bio ...