国产“AlphaFold4”来了？竟然还开源！

今年2月Google旗下的诺奖Demis Hassabis团队发布了AI药物设计新利器IsoDDE，Nature号称为“AlphaFold 4”，当时刷爆朋友圈：“AlphaFold4”来了，不开源了?

但是，IsoDDE不开源，技术细节也没公开。

近日，国内公司AI团队Aureka AI Research放出了一个类似研究——Open Drug Discovery Engine (OpenDDE)。

在其technical report中宣称OpenDDE融合了全原子架构、原子隐空间推理、推理优化及大规模数据处理等多项技术进展，在一个可复现且开源的框架内，实现了与IsoDDE相当的共折叠精度。

OpenDDE开源

与IsoDDE的不开源相反，OpenDDE开源了训练代码、推理流程、模型权重及基准测试数据集，旨在让前沿的生物分子智能技术惠及大众，加速全球科研协作，并为下一代药物发现系统奠定开放的基础：

• GitHub: https://github.com/aurekaresearch/OpenDDE
• HuggingFace: https://huggingface.co/aurekaresearch/OpenDDE

OpenDDE builds on ideas and components from the AlphaFold 3 ecosystem.

OpenDDE背后的推理逻辑

how it reasons, how it is supervised, and how it is framed？

图7：Overview of OpenDDE and its unified structure-reasoning framework。(a) OpenDDE构建残基Token与配对表示，将其扩展为结构Token，并通过扩散模型生成全原子坐标。(b) Atom-37级别的几何结构被组织成语义结构Token，在全原子精细化前实现对主链、侧链、碱基及配体功能的推理。(c) 形状互补损失函数通过奖励匹配接触并惩罚间隙与立体位阻，指导界面拟合。

OpenDDE的性能benchmark

• antibody–antigen structure预测

在PXMeter-AB、FoldBench-AB和2026ARK-AB三个主流抗体-抗原基准数据集上，对比了 AlphaFold3、Chai-1、Boltz-1、OpenFold3、Protenix-v1及ESMFold2等主流模型。采用DockQ 阈值对成功率进行分层统计。OpenDDE在antibody–antigen共折叠任务上达到当前最优SOTA。

更多比较见其technical report。

最后

其直言存在Limitations：

• 与IsoDDE的比较受限于信息壁垒，无法完全对标闭源的IsoDDE，因缺乏对方的数据配方与工程细节，尚不清楚性能差距具体来自架构还是训练策略。
• 该研究主要聚焦于蛋白质-蛋白质及抗体-抗原相互作用，暂未深入涉及蛋白质-小分子复合物。
• OpenDDE应被视为可扩展药物发现引擎中以折叠为核心的基础底座，而非一套完整的药物发现系统。缺少下游应用（如分子设计、亲和力预测、动态模拟），这些需后续开发完善。

总之，OpenDDE开源是很赞的，期待未来进展，期待真的能对标IsoDDE～

感兴趣的可以进一步学习