诺奖得主的新模型把蛋白质设计推进到原子级：41 个酶位点，37 个赢过上一代

在生物实验室里，设计一个能催化特定反应的酶，过去往往意味着数年反复试错。现在，一个 AI 系统可以在计算机里直接“画”出蛋白质的原子结构，再交给实验验证。10 月 16 日，国际团队在《科学》杂志公布了 RFdiffusion3 的详细设计，这项由诺贝尔化学奖得主戴维·贝克参与的研究，把蛋白质设计从“预测结构”推向了“按功能造物”。

一分钟速览

• RFdiffusion3 能按单个原子组合设计蛋白质与核酸，论文发表于《科学》。
• 研究团队来自华盛顿大学、牛津大学和英伟达等机构，通讯作者为 2024 年诺贝尔化学奖得主戴维·贝克。
• 模型最多用 14 个原子表征一个氨基酸，通过调整原子三维坐标生成全新结构。
• 在 41 个酶活性位点测试中，RFdiffusion3 有 37 组优于上一代，生成速度约为十倍。
• 设计出的对氧磷降解酶和肽裂解酶，均在真实实验中完成预期化学反应。

从“看懂”到“造出来”

过去几年，AI 在生物学最出名的成就是预测蛋白质结构。AlphaFold 让研究者能从氨基酸序列推断三维形状，RosettaFold 也走了类似路线。但预测是理解已有事物，设计则是创造不存在的东西，难度高一个量级。

RFdiffusion 系列走的正是设计路线。2023 年的第一代、2025 年的第二代，都借助扩散模型确定氨基酸的位置：先学现有蛋白质的分布规律，再从噪声中逐步“去噪”，生成新的结构。RFdiffusion3 则参考 AlphaFold3 的网络架构，把建模粒度细化到原子。

论文给出的关键数字是 14：单个氨基酸最多用 14 个原子来表征。模型不只决定氨基酸的种类和顺序，还直接调整每个原子的三维坐标。这意味着，研究者可以指定活性位点里某个原子应该在哪、氢键该怎么形成、特定原子在蛋白质内部允许出现在什么范围，然后让模型生成满足全部约束的结构。

41 个位点，37 个胜出

为了验证效果，团队选取了现有酶的 41 个活性位点，让 RFdiffusion3 与上一代 RFdiffusion2 对比设计。结果显示，在其中 37 组测试里，新模型的表现更好；生成蛋白质结构的速度，大约是上一代的十倍。

更关键的是实验验证。由 RFdiffusion3 设计的对氧磷降解酶和肽裂解酶，都在真实化学反应中完成了预期功能。对氧磷是一种有机磷农药，能设计出降解它的酶，意味着在环境修复和解毒方向有潜在应用；肽裂解酶则可用于蛋白质工程和药物开发。

当然，37/41 也意味着还有 4 组没有赢。蛋白质设计不是纯计算问题，实验环境、折叠稳定性、表达量、毒性都会影响最终结果。论文的贡献在于证明“原子级约束 + 生成式设计”这条路可行，而不是宣布酶设计已经被解决。

为什么原子级控制很重要

酶的功能由活性位点的几何结构决定。两个蛋白质的氨基酸序列可能很像，但只要关键原子的位置偏了一点，催化效率就会大幅下降。传统的蛋白质设计方法，往往先在氨基酸层面做文章，再希望折叠后能形成合适的口袋；原子级建模则直接把“口袋长什么样”作为约束，减少了碰运气的成分。

这也让设计从“生成一个看起来合理的结构”变成“生成一个满足工程指标的结构”。研究者可以同时设定反应所需原子的位置、氢键条件、原子分布范围，模型在这些约束下搜索解空间。对工业酶、生物修复、合成生物学来说，这种可控性比单纯的生成能力更有价值。

开源、速度与生物安全

RFdiffusion3 并非突然出现。团队早在 2025 年 12 月就开源了模型，这次《科学》论文主要是补上设计原理和实验验证。开源加速了传播，也带来了生物安全讨论：能设计蛋白质的工具越强，被滥用的风险越高。如何在开放研究和安全治理之间取得平衡，是这类模型必须面对的问题。

速度提升同样值得注意。十倍生成速度意味着研究者可以在同样时间里测试更多设计，迭代更多轮。这会进一步压缩“设计—验证”的周期，让蛋白质工程更像软件工程：快速原型、快速失败、快速改进。

趋势洞察：AI for Science 进入“可编程物质”阶段

RFdiffusion3 的意义，不只是一篇论文或一个模型。它代表了一种趋势：AI 正在从分析工具变成创造工具。先是蛋白质结构预测，然后是蛋白质设计，接下来可能是新材料、催化剂、甚至整个代谢通路。生物学的“可编程性”正在提高。

对产业来说，这会改变药物发现、环保治理、食品和化工的研发节奏。对研究者来说，门槛降低了，但验证的责任更重了：计算能给出候选，实验才能给出答案。真正稀缺的，仍然是对生物系统的理解和严谨的实验能力。

结语

戴维·贝克曾用计算预测蛋白质结构拿到诺贝尔奖，现在他又把目光投向“从零设计”。RFdiffusion3 的 41 个位点实验说明，原子级的生成式设计已经从概念走向可验证的工具。它不会立刻造出新药或解决污染，但它让“设计一个自然界不存在的酶”变得更像工程，而不是碰运气。