RFdiffusion3 designs proteins atom by atom with working enzymes
AI 系统 RFdiffusion3 能从原子层面设计蛋白质，可在实验中实现预期功能
Moving from residue-level to atomic-level generation lets researchers specify hydrogen bonds and exact atom placements, producing enzymes that actually catalyse the intended reactions. Protein engineers, drug designers and synthetic biology labs can now build with atomic precision using code that is already open source. Compared with RFdiffusion2, which works at the amino-acid level, RFdiffusion3 wins 37 of 41 active-site design tests.
RFdiffusion3 is a generative AI system that models proteins and nucleic acids at the level of individual atoms, with its design details published in the journal Science on 16 October 2025. It was developed by a team from the University of Washington, the University of Oxford and NVIDIA, led by corresponding author and 2024 Nobel Chemistry laureate David Baker. The system borrows the network architecture of AlphaFold3 and represents each amino acid with up to 14 atoms, adjusting their 3D coordinates directly. In tests across 41 enzyme active sites, RFdiffusion3 outperformed RFdiffusion2 in 37 cases. The team open-sourced RFdiffusion3 on 3 December 2025.
AI 系统 RFdiffusion3 能从原子层面设计蛋白质，可在实验中实现预期功能
IT之家 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。 IT之家注意到，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
