AlphaFold3，这款在生物科学领域掀起巨大波澜的蛋白质结构预测模型，因其仅公布论文而未提供代码，引发了广泛的复现尝试。 DeepMind的策略，使得众多科学家只能在特定服务器上有限次地使用AlphaFold3，这无疑吊足了大家的胃口。然而，来自牛津大学的三位本科生组成的Ligo团队，却在短短四个月内成功复现了AlphaFold3，并计划开源，为科学界带来了令人振奋的消息。Downcodes小编将带你深入了解Ligo团队的这项杰出成就。
在生物科学和计算机科学的交汇点上，AlphaFold3自从发布以来，就如同一颗超级明星，吸引了无数目光。可惜的是，谷歌 DeepMind 只给了我们一篇论文，却没有提供任何代码或模型权重，像是一道美味的蛋糕，却只让大家看看外观，没法动手尝尝。面对这种 “闭门造车” 的做法，很多团队都在争先恐后地进行复现工作。
就在这热火朝天的氛围中，一家名为 Ligo 的初创公司脱颖而出，成为首个复现 AlphaFold3的团队，而这个团队的三位创始人全都是牛津大学的本科生。他们在短短四个月内就实现了这一壮举，简直是给科学界送上了一份大礼。
AlphaFold3被视为生物科学领域的里程碑，尤其在蛋白质结构预测方面，它的应用潜力巨大。然而，DeepMind 的策略让人颇感失望，他们的作品只在特定服务器上供科学家们使用，且每天调用次数有限，似乎在为未来的商业利益埋下伏笔。即便如此，研究人员们却对这一成果充满期待，因为它有可能彻底改变药物发现的游戏规则。
就在众多科学家感到挫败的时候，Ligo 团队却勇敢地迈出了第一步。他们不仅复现了 AlphaFold3的模型，还计划将其开源，让更多人受益。Ligo 团队表示，他们的模型目前可以有效预测蛋白质结构，而其他功能将在不久后跟进。
复现的过程并不简单，团队将 DeepMind 论文中的模型架构完全转化为 PyTorch 代码。在这个过程中，他们发现了一些原始论文中的问题，比如损失函数的公式错误，这可能会影响训练效果。此外，他们还对原有模型进行了优化，比如引入了残差层来改善梯度流。
令人兴奋的是，Ligo 团队在这项工作中不仅遵循了原有模型的思路，还进行了创新，尝试了更高效的实现方式。他们甚至在训练过程中只用了8个 A100GPU，便生成了相应的模型，效率之高令人瞩目。
尽管 DeepMind 因商业原因暂时将成果封闭，但 Ligo 的成功复现让人们看到了希望，也引发了更多团队的跟进。除了 Ligo，哥伦比亚大学的 OpenFold 团队和独立开发者 Phil Wang 也在积极参与这一开源运动，形成了一个生动的科研生态。
项目地址：https://github.com/Ligo-Biosciences/AlphaFold3
Ligo团队的成功复现不仅打破了DeepMind的封闭策略，也为全球科学家提供了更便捷的研究工具。 这不仅是AlphaFold3的胜利，更是开源精神的胜利，预示着未来蛋白质结构预测领域的蓬勃发展。期待更多团队加入，共同推动生物科学的进步！