当地时间5月8日，谷歌DeepMind发布其生物学预测工具AlphaFold的最新版本——AlphaFold 3。这一重大成果在科学界引起了巨大轰动。
在蛋白质预测领域专家看来，AlphaFold 3是“变革性的”和“令人印象深刻的”。他们表示，这项工作可以用于测序蛋白质、DNA、RNA、小分子等几乎所有生物分子结构和相互作用。
此次AlphaFold3的模型是DeepMind和AI制药公司Isomorphic Labs共同开发的，这项研究已发表在《自然》杂志上。但其不公开底层代码、仅提供受限访问的举措，引发了科学界的广泛批评。截至5月14日，已有超过650名研究人员联名签署公开信，表示对论文不提供代码感到失望，并批评期刊违背了其关于代码可用性的规定。
AlphaFold 3目前只能通过网络服务器访问，每日请求限制为20次（发布之初请求限制是10次）。此外，用户在分析分子方面也面临限制。例如，它无法预测蛋白质与新型药物之间的相互作用，这可能是为了防止与Isomorphic Labs的竞争。
AlphaFold 3的代码在《自然》杂志的论文审查过程中并未公开。福克斯蔡斯癌症中心的计算结构生物学家Roland Dunbrack是这封信的组织者之一，他表示在收到手稿时没有办法测试程序。Dunbrack说：“在与杂志社联系后，我获得了网络服务器早期版本的访问权限，但在文章发表前，我曾多次要求提供代码，但都没有得到回应。我不明白编辑为什么要在这种情况下把它送审。”
美国加州大学旧金山分校的结构生物学家、这封信的组织者之一James Fraser说：“这篇论文没有提供理由，只是提出‘未提供代码’，这似乎违反了《自然》杂志的政策。”《自然》的编辑政策规定：作者必须及时向读者提供代码，不得有不适当的限制。
这一明显的矛盾引起了研究人员的愤怒。瑞典斯德哥尔摩大学的生物物理学家、这封信的署名者Erik Lindahl说：“在我看来，这项工作的大部分内容都不符合科学研究的要求，实际上这是一则商业广告。”
面对批评，《自然》杂志主编Magdalena Skipper发表声明，为该杂志处理这篇论文的方式进行了辩护。她指出，尽管《自然》力求在每个机会中提高透明度，但在某些情况下可能无法公开研究数据或代码。编辑们会考虑很多不同的因素，包括对生物安全的潜在影响以及由此带来的伦理挑战，在这种情况下，编辑部会与作者合作提供支持可重复性的替代方案。
自公开信发布以来，DeepMind研究人员已经表示，有关AlphaFold 3的更多信息即将发布。DeepMind研究员、AlphaFold 3论文的作者之一Pushmeet Kohli发布推文，回应学界的质疑和不满，宣布将在6个月内为学界提供开源模型。
自AlphaFold 2于2020年发布以来，科学家们已经广泛使用这一工具预测了各种蛋白质结构、发现了药物以及绘制了多种已知蛋白质。
AlphaFold 3的进步在于它不仅可以处理蛋白质，还可以同时输入核酸、小分子、金属离子等物质，并预测它们会如何与蛋白质结合。因为蛋白质不可能孤立地发挥作用，而是需要与其他物质产生交流，这一过程也是科学家们最关心的。
5月9日晚，中国科学院院士、深圳湾实验室主任颜宁在个人微博账号发布长文表示，“我对AI的态度总结起来其实是两个字‘敬畏’，它的发展速度超乎想象。每次我都是指出AlphaFold版本当前不能解决的问题，比如最近我比较痴迷的glycoproteins、那些‘暗物质’们、in situ structures（原位结构），等等。但终归也只是时间问题。”
她强调：“这次的server版本我觉得是一个速度和准确度的平衡，正确率不是最好的。我现在手上有三个比较奇怪的蛋白，之前我自己搭的AF2 multimer可以在很低的ranking position找到一两个正确的conformation，这次的server版本测试全军覆没。”
她在文末指出：“AI一定会越来越强大，如何拥抱新技术，问出更有意思的问题，才是相关科研工作者现在更关注的。”
https://retractionwatch.com/2024/05/14/nature-earns-ire-over-lack-of-code-availability-for-google-deepmind-protein-folding-paper/
（原标题：感到失望！650多名学者联名批评AlphaFold 3不透明）
特别声明：本文转载仅仅是出于传播信息的需要，并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、网站或个人从本网站转载使用，须保留本网站注明的“来源”，并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜，请与我们接洽。
