David Baker 團隊於《Science》發表 RFdiffusion3：採 AlphaFold3 架構實現原子級蛋白質設計，生成速度提升 10 倍

據報導，由美國華盛頓大學、英國牛津大學與 NVIDIA 等機構組成的國際研究團隊，於國際期刊《Science》發表了新一代生成式 AI 系統 RFdiffusion3 的詳細設計架構。該研究由 2024 年諾貝爾化學獎得主 David Baker 擔任通訊作者，團隊先前已於 2025 年 12 月 3 日開源該系統。與過去基於 RosettaFold 開發的 RFdiffusion1（2023 年）及 RFdiffusion2（2025 年）不同，RFdiffusion3 參考了 AlphaFold3 的網路架構，最多可利用 14 個原子表徵單一胺基酸，並藉由直接調整各原子的三維座標，設計全新的蛋白質與核酸結構。 在酵素活性位點的精準設計上，RFdiffusion3 支援研究人員設定反應所需原子位置、氫鍵形成條件以及特定原子在蛋白質內部的分布範圍。針對現有酵素的 41 個活性位點進行對比測試，RFdiffusion3 在其中 37 組的表現優於 RFdiffusion2，結構生成速度亦達到前代的約 10 倍。此外，由 RFdiffusion3 設計的對氧磷降解酶與肽裂解酶，均已在真實化學實驗中順利完成預期反應。