AlphaFold 3 — Universelle Vorhersage biomolekularer Wechselwirkungen

Klartext

Ein Protein ist eine lange Kette, die sich in sich selbst zurückfaltet, und die Zahl der möglichen Faltungen ist astronomisch: Genau dieses Problem versucht die Strukturvorhersage zu umgehen. AlphaFold 3, im Mai 2024 von DeepMind veröffentlicht, weitet die Aufgabe auf Verbünde aus — auf das, was ein Protein gemeinsam mit DNA, RNA, einem Liganden oder einem Ion bildet — und nicht mehr nur auf isolierte Proteine. Dafür baut es die Struktur nicht länger Stück für Stück auf: Es startet von zufälligem Rauschen, das es schrittweise entfernt, bis die atomaren Koordinaten hervortreten. So kann es für denselben Komplex mehrere plausible Formen vorschlagen statt nur einer einzigen. Der angestrebte Einsatz ist das Screening von Kandidatenmolekülen am Rechner, noch vor dem Labor. Ein schlüsselfertiges Produkt ist es deswegen nicht: Jede Vorhersage kommt mit Konfidenzwerten, die unzuverlässigsten Regionen müssen experimentell bestätigt werden, und einer unabhängigen Blindbewertung wurde das Modell erst nach seiner Veröffentlichung unterzogen, bei CASP16.

Entdeckung

---

Technische Erläuterung

1. Multimodale Eingaberepräsentation. AlphaFold 3 nimmt als Eingabe eine Proteinsequenz (MSA + Templates), eine Nukleotidsequenz (DNA/RNA) und/oder einen Liganden im SMILES-Format entgegen. Jede Entität wird tokenisiert und in einen gemeinsamen Embedding-Raum der Dimension 384 projiziert. Die Residuum-Residuum- (oder Residuum-Atom-)Paare werden in einer Pair-Repräsentationsmatrix der Dimension $N \times N \times 128$N×N×128 kodiert.

2. Trunk: Pairformer (Ersatz für den Evoformer). Der Pairformer nutzt Triangle-attention- und Triangle-update-Schichten (wie AF2), streicht jedoch die explizite MSA-Repräsentation zugunsten eines verdichteten Single-Embeddings. Das senkt die Speicherkomplexität von $O(N_{seq} \times N_{res}^2)$O(Nseq​×Nres2​) auf $O(N_{res}^2)$O(Nres2​) und erlaubt die Verarbeitung von Komplexen mit > 5 000 Residuen. Der Trunk umfasst 48 Pairformer-Blöcke mit Residualverbindungen.

3. Diffusion head: Koordinatenerzeugung durch Entrauschen. Anders als AF2 (das ein IPA-Strukturmodul verwendet) erzeugt AF3 die atomaren 3D-Koordinaten über einen Diffusions-Entrauschungs-Prozess in 200 Schritten. Das Modell lernt, ein auf die atomaren Koordinaten der PDB angewandtes gaußsches Rauschen umzukehren. In jedem Schritt sagt das Netz das zu entfernende Rauschen vorher und verfeinert die Struktur schrittweise. Dieser Ansatz erfasst die Multimodalität von Natur aus — mehrere mögliche Konformationen für denselben Komplex.

4. Confidence head und Recycling. Das Konfidenzmodul schätzt pTM (predicted TM-score), PAE (predicted aligned error) und pLDDT (predicted local distance difference test). Vorhersagen mit geringer Konfidenz (pLDDT < 50) entsprechen intrinsisch ungeordneten Regionen oder schlecht aufgelösten Grenzflächen.

Warum es funktioniert hat

Der Diffusionsansatz löst zwei wesentliche Beschränkungen von AF2: die Neigung zu einer einzigen Konformation (das IPA-Modul von AF2 konvergiert gegen ein einziges Minimum) und die Unfähigkeit, kleine Moleküle (Liganden, Ionen) ohne MSA zu modellieren. Die folgende Tabelle stellt beide Generationen bei den oben beschriebenen Architekturpunkten gegenüber.

Das Diffusionsmodell erzeugt ein Ensemble von Strukturen und erfasst damit die konformationelle Heterogenität — entscheidend für Protein-Ligand-Bindungsstellen, an denen die Flexibilität die Affinität bestimmt.

Das Training kombiniert die PDB mit einer Cross-Distillation der Vorhersagen von AlphaFold-Multimer v2.3: AF3 lernt von seinem Vorgänger und übertrifft ihn zugleich, was eine kumulative Verbesserungsschleife erzeugt.

Kausalkette

Levinthal-Paradoxon (1969, astronomischer Konformationsraum) → CASP (1994, zweijährlicher Benchmark) → AlphaFold 1 (2018, CASP13, GDT 58) → Evoformer + IPA (AF2, 2020, CASP14, GDT 92,4) → Veröffentlichung von 200 Mio. Strukturen (2022) → AlphaFold 3 (2024, Diffusion model, mehrere Zielklassen) → Virtuelles In-silico-Screening (2024–) → Beschleunigtes Drug Design (Horizont 2026–2030)

Historische Anekdote

Zum Zeitpunkt seiner Veröffentlichung im Mai 2024 war AF3 nur an internen Benchmarks bewertet worden — CASP15 hatte 2022 stattgefunden, vor dem Erscheinen —, was in der Fachwelt Kritik am Fehlen einer unabhängigen Validierung auslöste. Inzwischen wurde das Modell bei CASP16 (2024) einer unabhängigen Blindbewertung unterzogen, veröffentlicht in Proteins.

---

Grenzen und Kontroversen

Die dargestellten Ergebnisse entsprechen den in den zitierten Quellen veröffentlichten Daten. Historische Messwerte wurden von späterer Forschung neu bewertet — moderne Werte sind angegeben, wo sie abweichen. Die aktuellen Statistiken stammen aus institutionellen Quellen, deren Methoden variieren können.

Quellen

Referenzen, die beim Faktencheck-Audit im August 2026 geprüft wurden: Dies sind die Seiten,
an denen die Aussagen dieses Bulletins abgeglichen wurden.

1. Accurate structure prediction of biomolecular interactions with AlphaFold 3 — Nature 630, 493-500
2. Blindbewertung von AlphaFold 3 bei CASP16 — Proteins
3. DeepMind releases AlphaFold 3 code and weights for academic use — Nature News