READING MODE
深度内容阅读页
本页聚焦单篇内容的完整阅读体验,通过更清晰的信息层级、舒适的段落节奏与关联推荐设计,让读者更容易进入主题、理解重点并延展阅读。
语言模型推理折叠蛋白质?把3D结构塞进思维链,超越AlphaFold3、IsoDDE与Claude Opus
过去两年,大模型的进步集中在长程推理,模型通过长思维链解决诸如数学与复杂代码的高难度问题。这种能力正在扩展到生命科学领域。Anthropic 公布了 Claude 的首批药物研发合作成果;另一组科研团队借助 Claude 自主设计出靶向食物过敏的双表位抗 IgE 抗体。 然而,当前语言模型只能基于自然语言文本思考。一旦处理蛋白质折叠、抗体结合等微观结构计算,模型就需要调用如 AlphaFold 等专用外部工具。其代价,就是,结构里原子级的细节在 跨系统传递中,被压缩,被丢弃,存在信息损失 ,模型无法获得真实的物理信息,深度推理困难。 诚然,蛋白质结构预测,在某种程度上堪称计算生物学领域 “皇冠上的明珠” 之一 —— 正因攻克了这一半个世纪的难题,Demis Hassabis 与 John Jumper 领衔的 AlphaFold 团队摘下了 2024 年诺贝尔化学奖。但即便强如 AlphaFold,作为独立于语言模型之外的 “外部工具”,依然面临着系统割裂的困境。正如 John Jumper 曾在《MIT Technology Review》专访中所指出的: 一边是 “能读科学、能做一点科学推理” 的机器,另一边是 “超人级的蛋白结构预测系统”,剩下的问题是 ——“你怎么让这两种技术一起工作?” 11 月 10 日,一家叫 SimpleX 本源智简的 AI for Science 初创公司,给出了一个极具突破性的回答 —— 生物原生语言模型(biology-native language model),Tetra-1 Preview ,并开放试用。作为迈向微观世界生物推理的早期探索,他们正邀请每一位好奇者,提前触摸未来科研的可能。 「SimpleX 本源智简」首发公众号推文: Tetra-1 Preview|迈向微观世界的生物推理 博客链接: https://simplexfoundry.com/tetra-1/ 在线体验: https://simplexfoundry.com/tetra-1/apply/ 不同于 “语言模型 + 外部工具” 的方案, Tetra-1 将微观的蛋白质结构作为与宏观的文本并列的原生模态,语言推理与结构生成在同一个推理链中交替进行 ,实现了微观结构上的生物推理。 Tetra-1 打破了传统结构预测只能输出 “静态默认构象” 的局限, 让生物研究人员首次能够通过自然语言引导,借助语言模型推理,真正去探索特定生理或药物功能下的蛋白构象和背后的生物学机制; 在面对无同源参照的全新结构(OOD 泛化)与复杂多分子界面结合的公开评测中,Tetra-1 通过推理, 超越了当前顶尖通用大模型 Claude(Opus 5.5 @Claude Science)、获得诺奖的 AlphaFold 3,以及此前被视为行业霸主并刚宣布新融资 50 亿美元的 Isomorphic Labs 的旗舰产品 IsoDDE 从语言到结构・概念插图;
推荐阅读
[流言板]范甘迪:所谓的热火文化被捧得言过其实,热火总把它挂嘴边
2026-11-05
71岁布鲁斯威利斯老年痴呆症加重,陷入失语困境,每月看护费用超20万
2026-11-10