AI4Science领域中，RoseTTAFold与Alphafold2有何不同？

AI

人工智能本质上是一种数据驱动的知识模型，凭借其工具属性和对高质量数据的依赖，从计算科学延伸至各个学科领域。它通过跨学科协作推动创新，深化对自然界的认知。AI科学带来了全新的合作契机，以创新的数据处理手段更高效地解决复杂难题。而AI4Science旨在 harness 人工智能的优势，用统一化方法彻底变革科学探索方式，为各领域带来突破性进展。在AI4Science领域中，最具代表性和影响力的案例当属AlphaFold2（AF2）。这款由DeepMind开发的AI系统，能够根据蛋白质的氨基酸序列精准预测其三维结构，精度甚至可达原子水平。这一突破性成果将蛋白质结构预测推向了全新的高度，并在科学界引发了广泛关注。随后，AlphaFold2公开预测了超过2亿种蛋白质结构，极大推动了生物学与医学研究的发展。该技术不仅为结构生物学带来了革命性变化，还对药物研发、蛋白质设计及功能预测等相关领域产生了深远影响，成为科学研究的重要助力工具。

AF2之后，还出现了许多类似工具，例如新型蛋白质设计工具RoseTTAFold diffusion (RFdiffusion)，它在蛋白结构预测和设计领域展现了重要价值。

研究者基于RoseTTAFold结构预测网络进行微调，开发出RFdiffusion生成模型，该模型可生成性能优异的蛋白质骨架。它在多个领域展现强大能力，包括无条件及拓扑约束下的蛋白质单体设计、蛋白质结合剂设计、对称寡聚体构建，以及酶活性位点支架和对称基序支架的设计等，具有广泛的应用潜力。研究者对数百种设计进行了实验表征，包括对称组装体、金属结合蛋白和蛋白质结合剂，验证了RFdiffusion的准确性。其中，冷冻电镜结构显示，某设计的结合剂与流感血凝素复合物的结构与设计模型高度一致，几乎完全吻合。RFdiffusion 对现有蛋白质设计方法进行了全面提升。它能够轻松生成长达600个残基的无条件设计，涵盖多种结构类型，且其设计可通过AF2精准预测，复杂度与准确性远超以往大多数方法的水平。