生成式 AI 设计出来的蛋白质，过去大多停在电脑屏幕上的漂亮结构。现在，它能在试管里真正干活了。
2026 年 10 月 16 日，国际期刊《科学》刊登了一项由美国华盛顿大学、英国牛津大学、英伟达等机构合作完成的研究：生成式 AI 系统 RFdiffusion3 的完整设计方案正式公开。这套系统能对单个原子建模，专门用于设计蛋白质与核酸。更关键的是，用它全新设计出的酶，已经在真实化学反应中兑现了预期功能。
这不是又一次 AI 在基准测试上刷分的故事。从预测结构到按功能造结构，蛋白质工程被推进到一个新的精度层级。
从画骨架到雕原子
AI 做蛋白质研究这条线，过去几年的主旋律是预测。AlphaFold2 把结构预测做成了基础设施，贝克实验室的 RosettaFold 也是这条路上的标志。但预测只是回答它长什么样，真正的难题是我能不能造一个出来。
RFdiffusion 系列就是为造而生的。2023 年的 RFdiffusion1、2025 年的 RFdiffusion2，都依托 RosettaFold 的结构预测网络，用扩散模型把氨基酸的位置组合起来，生成新的蛋白质结构。但前两代有个共同限制：它们主要生成蛋白质主链坐标，侧链和其他生物分子的相互作用经常被忽略，只能事后补算。
RFdiffusion3 的改变是根本性的。它参考了 AlphaFold3 的网络架构，最多用 14 个原子刻画单个氨基酸，直接调整每个原子的三维坐标。换句话说，它不再先画一条骨架再往上挂零件，而是把每一个原子都当成扩散粒子来雕琢。这套表示法包含每个残基最多 10 个侧链重原子，彻底抛弃了 RFdiffusion2 那种残基加原子的混合方式。
带来的直接好处是：蛋白质与配体、DNA、小分子的相互作用可以从头生成，而不是把预先指定的原子摆到预定位置。
为什么原子级这么重要
蛋白质不是静态雕塑，它是干活的机器。酶要催化化学反应，靠的是活性位点里几个关键原子的精确排布，距离、角度、氢键方向，差一点就失活。DNA 结合蛋白要识别特定序列，靠的是氨基酸侧链与碱基之间的原子级接触。
在残基层面做设计，就像用乐高积木搭房子：你知道每块积木在哪，但积木内部原子的朝向是模糊的。一旦要设计催化功能，这种模糊就是致命的。
RFdiffusion3 把约束条件直接下放到原子层面。研究人员可以指定反应所需原子的落点，设好氢键形成条件，规定特定原子在蛋白内部的分布范围，系统生成的结构必须同时满足全部约束。论文里说，这种带着复杂原子级约束生成结构的能力，让酶设计和其他挑战性任务变得比以前的方法更简单、更有效。
数据背后的含金量
团队拿现有酶的 41 个活性位点做了对比测试，用 AlphaFold3 的开源复现 Chai 评估。结果是 41 组里 RFdiffusion3 赢了 37 组，胜率九成。生成速度约为 RFdiffusion2 的十倍，计算成本只有前代的十分之一，注意，这还是在一个更耗计算的全原子方法上实现的。
这里有个细节值得玩味。在 RFdiffusion2 里，超过四个残基岛，也就是分离的连续残基段，案例很难搭建支架；RFdiffusion3 把这个短板补上了。这意味着它能处理更复杂、更分散的活性位点约束，而复杂活性位点恰恰是真实酶设计的常态。
速度提升十倍的意义不只在快。蛋白质设计是一个采样游戏：你生成的候选结构越多，筛出可用者的概率越高。十倍速等于把同样的算力预算换成十倍的试错机会，或者把原来需要数周的设计周期压到几天。
湿实验兑现，才是真门槛
基准测试的分数可以很漂亮，但蛋白质设计领域吃过太多计算完美、实验翻车的亏。RFdiffusion3 论文里最硬的一条，是湿实验验证。
团队用它设计了对氧磷降解酶和半胱氨酸水解酶，也就是能切断肽链的酶，两者都在真实实验中完成了预期的化学反应。论文还设计并实验表征了 DNA 结合蛋白。用论文自己的话说，他们通过设计并实验表征 DNA 结合蛋白和半胱氨酸水解酶，展示了 RFD3 的广泛适用性。
从生成一个看起来合理的结构，到生成一个在试管里真能催化反应的酶，中间隔着整个蛋白质折叠、稳定性、表达纯化的深坑。能跨过去，说明原子级约束不是纸上谈兵。
贝克实验室的算盘与开源
这项研究的通讯作者是戴维·贝克，华盛顿大学蛋白质设计研究所所长、霍华德·休斯医学研究所研究员，2024 年诺贝尔化学奖得主。他的实验室有个特点：工具几乎全部开源。RFdiffusion3 早在 2025 年 12 月 3 日就已开源，这次《科学》论文是把设计原理讲透。
同时发布的还有 RFdiffusion3NA，可扩展设计核酸结构，以及 RosettaFold3，一个缩小与闭源 AlphaFold3 差距的结构预测网络。开源的意义在于，全球的研究者和初创公司可以立刻在这套工具上叠加自己的应用，药物发现、可持续化学、小分子识别。当最锋利的工具变成公共基础设施，创新会从实验室边缘向产业快速外溢。
谁会被改变
短期看，受影响最直接的是酶设计和药物发现。能按需设计催化特定反应的酶，意味着新材料、绿色化学、解毒剂开发都有了新杠杆；能设计高亲和力 DNA 结合蛋白，基因调控工具的想象空间被打开。
中期看，RFdiffusion3 把按功能逆向设计蛋白质从手艺变成了可规模化的流程。以前需要一个资深结构生物学家花几个月反复试错的事情，现在可以交给 AI 批量采样、实验筛选。
但也要看到边界。RFdiffusion3 解决的是结构设计问题，后续的稳定性优化、体内表达、免疫原性评估仍然是独立难题。它不是万能钥匙，而是一把精度空前的雕刻刀，刀在你手里，能不能雕出东西，还取决于整个工作流。
AI 造蛋白的故事，讲到今天终于从画得像进入了用得上。原子级精度只是第一步，真正的竞赛才刚刚开始：谁能把试管里的成功，变成药瓶里的分子。
快报