长久以来，人工智能在生命科学领域的角色更像是一名“高精度解码器”——它擅长破译天然分子的三维结构。但今天，这套名为RFdiffusion3的生成式AI系统正式打破了“只看不造”的局限，将设计精度直接下探至单个原子层级。更令人振奋的是，它在真实化学反应中已经证明了自身的能力，完成了从“预测结构”到“按需制造”的跨代跃迁。

顶流阵容与顶刊背书

这项突破性工作由美国华盛顿大学、英国牛津大学以及英伟达等机构组成的国际联合团队倾力打造。相关论文已于当地时间16日正式发表于国际权威期刊《科学》（Science）。值得注意的是，团队其实在2025年12月3日就已将RFdiffusion3的核心代码全面开源，而此次论文的集中发布，则系统性地拆解了其背后的设计哲学与技术底座，为整个生物计算社区提供了可复用的工程范本。

诺奖得主掌舵，底层架构换代

该研究的通讯作者是美国顶尖生物化学家戴维·贝克（David Baker）教授。凭借在蛋白质结构预测领域的开创性工作（代表作RosettaFold），他刚刚斩获2024年诺贝尔化学奖。回顾技术演进脉络，RFdiffusion1与RFdiffusion2主要建立在团队自有的结构预测网络之上；而此次问世的RFdiffusion3则全面转向借鉴AlphaFold3的网络架构。它的核心逻辑发生了根本性转变：不再局限于粗糙的整体轮廓拟合，而是最多调动14个原子来精细刻画每一个氨基酸，通过直接微调每个原子的三维空间坐标，实现对生物大分子结构的逐点雕琢。

带约束条件的“精准定制”引擎

RFdiffusion3真正拉开代差的能力，在于其强大的“带规则设计”机制。研究者无需从零摸索，只需明确输入反应所需的原子落点，并设定氢键形成条件、特定原子在蛋白内部的分布阈值等硬性约束，系统即可自动推演并输出一份完全满足所有指标的最终结构。
数据是检验性能的最佳标尺。在与现有酶的41个活性位点进行横向对标时，RFdiffusion3在其中的37组测试中全面领先于第二代模型。效率层面的提升同样惊人，其生成速度达到了旧版本的十倍之多。速度红利的背后是湿实验的完美验证：由该系统全新设计的对氧磷降解酶与肽裂解酶，已在真实生化反应体系中稳定运行，精准兑现了预设的功能指标。

跨越“解析”与“创造”的关键一跃

从观察自然演化出的蛋白，到利用算力进行结构预测，再到如今依据功能指令进行原子级反向工程，AI正在重塑蛋白质研发的底层范式。RFdiffusion3的成熟不仅为科学家配备了一把锋利的“数字微雕刀”，更直接赋能靶向药开发、新型催化剂设计以及合成生物学等前沿赛道。当算法开始遵循物理与化学定律在纳米尺度上进行创造性编排，属于分子定制的工业化时代，已悄然拉开序幕。