編輯 | 蘿蔔皮
「如果這可以重制的話，這就是我們所知的世界末日！功能模組化的新時代已經開始。」歐洲分子生物學實驗室（EMBL）的科學家 Jan Kosinski 發推文表示。他在 AlphaFold 3 釋出後，立刻用它做了一系列簡單的測試，并把相關結果發在了 X 上。
「我取出了一個結構未知的轉錄因子，将其折疊起來，将其識别序列嵌入更長的 DNA 中。AlphaFold 3 準确定位了轉錄因子。」Kosinski 解釋道。
視訊連結：https://mp.weixin.qq.com/s/-T-c603cFN5BCmPk5M1JFg
他使用的轉錄因子：https://jaspar2020.genereg.net/matrix/MA0027.2/
使用的 DNA 序列：CAGGATCCTAATTATGGATCCTGTGTATCTTCAGT
他用的模型是：https://oc.embl.de/index.php/s/SsDKcS06P1xewAV
他說：「一旦 AlphaFold 3 的開源副本可用并且運作良好，我們也許能夠通過計算來預測所有轉錄因子的序列特異性。我認為那會很大，對吧？」
同時，嚴謹的 Kosinski 呼籲網友：「但如果有人檢查我是否沒有混淆，是否與其他轉錄因子一緻，以及分數是否可以用于區分特定和非特定序列，我會很高興。」
Kosinski 還做了其他實驗。
視訊連結：https://mp.weixin.qq.com/s/-T-c603cFN5BCmPk5M1JFg
「還有一個，也許沒有訓練偏差。應該特異性結合啟動子區域 ATTTTAGTCGCGCCTAAAAT 并且它再次出現！左為晶體結構，右為 AlphaFold 3 模型。啟動子為紅色。」他發文解釋道。
「我們還不知道是否如此，但如果這種序列特異性推廣到 CRISPR、鋅指結構、TALEN、限制性核酸酶——可以為 AlphaFold 3 所有者帶來多少收入？」他在推文裡調侃道。
第二天 Kosinski 又用限制性内切酶做了相關測試。
「它『不能』推廣到我手中的限制性核酸酶。識别序列為青色，切割位點為紅色。」他說，「但請注意：隻有兩個示例和長 DNA，有人可以嘗試精确長度的序列并比較特定和非特定序列。」
「AlphaFold 3 無法正确預測限制性核酸酶 BamHI 的序列，盡管有 5 種結構可用，其中 4 種帶有 DNA。」他發推文說，「左邊是模型，右邊是晶體結構。鑒于其中一些結構可能包含在訓練和模闆資料庫中，這表明訓練集中結構的存在并不能保證準确的預測。」
BamHI：https://uniprot.org/uniprotkb/P23940/entry#struct
洛桑聯邦理工學院（EPFL）的 Martin Pacesa 評論道：「可能是因為來自 MSA 的噪音！如果有太多 RE 同源物識别非常不同的目标序列，它可能會迷失在共同進化噪聲中。」
Kosinski 對 Pacesa 的觀點表示肯定：「是的，你可能是對的，REases 在它們的 MSA 中通常很少有相似的序列……或者當我在碩士期間研究它們時，它們就這樣做了。」
「它『識别』了什麼？」網友 Evgenii 問道。
「CAAGCTTG，它隻是綁定了另一個回文序列（像回文序列這樣的 REases，原始序列 GGATCC 也是一個回文序列）。」Kosinski 回複道，「我嘗試對序列進行洗牌，但它仍然找到并綁定了另一個不完美的回文序列（GCACGC）。我想我們需要一個更好的『背景誘餌序列』」
「有趣的！AAGCTT 那是 HindIII。根據您迄今為止的經驗，AlphaFold 3 如何處理較長的 dsDNA 片段？」維也納大學 Max Perutz 實驗室的 Pim Huis in 't Veld 發文評論說。
「之前那這個起作用的原因是它搜尋任何回文序列，因為這是相似的二聚體所結合的嗎？有時它是否會尋找與訓練模型中類似的一維 DNA 模式（例如回文、不比對）？ 」法國 CNRS Orléans 的 Marcin J. Suskiewicz 發文評論道。
「也許會有一個合理的解釋！」Kosinski 說道。
帕拉茨基大學（Univerzita Palackého）的理論實體化學家、化學和生物資訊學家 Karel Krápník Berka 則使用 AlphaFold 3 對膜上的脂質分子進行了研究。
「AlphaFold 3 還可用于預測膜位置。」他發文表示，「這是 CYP2E1 與油酸 (OLA) 的示例。這是與我 2013 年的 MD 膜模型和來自納米圓盤的冷凍電鏡進行對比。」
Kosinski 做了相關測試并跟帖道：「使用這種技巧在類脂膜雙層内模組化的候選新型大麻素受體，添加油酸（OLA）作為配體。」
視訊連結：https://mp.weixin.qq.com/s/-T-c603cFN5BCmPk5M1JFg
後續成果，ScienceAI 還會持續跟進。
相關内容：https://twitter.com/jankosinski/status/1788532231939453015