「如果這可以重現的話，這就是我們所知的世界末日！功能建模的新時代已經開始。」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 發布后，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，將其折疊起來，將其識別序列嵌入更長的 DNA 中。AlphaFold 3 準確定位了轉錄因子。」Kosinski 解釋道。

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行良好，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 呼吁網友：「但如果有人檢查我是否沒有混淆，是否與其他轉錄因子一致，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。

「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？」他在推文里調侃道。

第二天 Kosinski 又用限制性內切酶做了相關測試。

「它『不能』推廣到我手中的限制性核酸酶。識別序列為青色，切割位點為紅色。」他說，「但請注意：只有兩個示例和長 DNA，有人可以嘗試精確長度的序列并比較特定和非特定序列。」

「AlphaFold 3 無法正確預測限制性核酸酶 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板數據庫中，這表明訓練集中結構的存在并不能保證準確的預測。」 

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 同源物識別非常不同的目標序列，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『識別』了什么？」網友 Evgenii 問道。

「CAAGCTTG，它只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 回復道，「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索任何回文序列，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、不匹配）？ 」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）的理論物理化學家、化學和生物信息學家 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內建模的候選新型大麻素受體，添加油酸（OLA）作為配體。」

后續成果，ScienceAI 還會持續跟進。