档案库 · 生物与材料 · 产品决策 · 2024–2026
Ligo的开放源码AlphaFold3赌注：2024年在Show HN获得314分，仓库达到1.1k星
生物技术初创公司Ligo根据DeepMind的论文重新实现了AlphaFold3，并开源了代码和训练，先做单链预测；在HN上获得314分，1.1k星。
Ligo Biosciences
做的是什么生意
Ligo Biosciences is the team behind an open-source implementation of DeepMind's AlphaFold3: the full model and training code under Apache-2.0, with modular memory-efficient kernels, single-chain prediction shipped first and ligand/nucleic-acid beta predictions on a waitlist.
起因
DeepMind's AlphaFold3 paper was published in Nature in May 2024, describing a model that predicts proteins, ligands, nucleic acids and their interactions — but no open code or training pipeline accompanied it. Ligo Biosciences built its own implementation from the published algorithms and supplementary pseudocode, reusing OpenFold modules for triangular attention and multiplicative updates, and launched the repository with a Show HN on 2024-09-04.
经过
The first release shipped single-chain prediction with full training code; a demo video showed a model trained for 4,000 steps on 8 A100 GPUs in about 10 hours without templates. The README documented three discrepancies found against DeepMind's supplementary material — an MSA-module ordering issue, a loss-scaling factor that broke unit loss at initialization, and missing DiT residual connections — and asked the community to weigh in. Efficiency work focused on Triton kernels, including a custom MSA pair-averaging kernel that scales to thousands of tokens on one GPU, and a partnership with AdaptyvBio on a ProteinFlow-based data pipeline. Ligand, multimer and nucleic-acid prediction were listed as the next release, with beta testers recruited through a waitlist.
结果
Still running as an active research project as of 2026-09-05: the crawl recorded 301 commits and 1.1k stars, single-chain prediction is released, and ligand, multimer and nucleic-acid prediction sit on a beta waitlist; no funding, revenue or customer numbers appear in the repo record.
背景
DeepMind的AlphaFold3论文于2024年5月发表在《自然》杂志上，描述了一个能预测蛋白质、配体、核酸及其相互作用的模型。Ligo Biosciences根据已发表的算法和补充伪代码构建了自己的开源实现，重用了久经考验的OpenFold模块，并与AdaptyvBio合作建立了基于ProteinFlow的数据管道，并以Apache-2.0许可发布。
这个赌注有两个部分：一个小团队能否忠实重现AlphaFold3以进行训练，以及发布代码和训练循环（而不是仅仅权重或API）能否使Ligo成为生物分子结构预测的默认开放堆栈。首个版本发布了带完整训练代码的单链预测；演示视频显示在8块A100 GPU上训练4000步约10小时，无需模板。配体、多聚体和核酸能力承诺在后续版本中提供，并通过等待名单招募beta测试者。
Ligo还发布了其发现的与DeepMind补充信息的差异——MSA模块排序问题、与Karras扩散框架不一致的损失缩放因子，以及DiT块中缺少残差连接——并请求社区帮助解决这些歧义。效率工作集中在Triton内核上，包括一个自定义的MSA对平均内核，可在单个GPU上扩展到数千个标记。
2024年9月4日在Show HN上获得314分和37条评论，仓库持续发布：到2026年9月4日爬虫时已有301次提交。两年后，该项目仍处于早期、明确未生产就绪的研究发布阶段；记录显示开发活跃且采用信号清晰，但没有资金、收入或客户披露。
这件事要成立，得有什么
- 有名平台牵引和日期：2024年9月4日的Show HN（条目41448439）获得314分和37条评论。
- 明确的开放赌注：根据论文重新实现AlphaFold3并附带训练代码，先发布单链预测，并将难度更高的配体/核酸模态训练置于beta等待名单之后。
- 可验证的轨迹：在2026年9月4日爬虫中，仓库记录了301次提交、94个fork和1.1k星，且单链预测已发布。
- 差异部分是线索：DeepMind补充材料中的三处歧义被公开而非悄然解决——这是研究主导的采纳策略，而非演示。
可借鉴之处
开源训练循环，而不仅仅是演示，能将重新实现转变为社区基础设施——先交付算力能触及的部分，并明确说明仍缺少什么。
后续进展
截至2026年9月5日，Ligo的AlphaFold3实现作为一个活跃的研究项目实况：Apache-2.0代码和单链蛋白质预测的训练循环在仓库中，配体、多聚体和核酸预测被列为beta测试等待名单中的下一步工作。README仍警告该工具尚未生产就绪。2026年9月4日的爬虫记录了1.1k星、94个fork和301次提交；记录中没有资金、收入或团队披露，因此公司建设的那部分赌注仍未证明。
资料来源
- Show HN: An open-source implementation of AlphaFold3 (314 points, 37 comments)
- Ligo-Biosciences/AlphaFold3 — open-source implementation (1.1k stars, 301 commits)
发现哪里写错了？告诉我们。
轮到你了
你刚读完一家。说说你在做什么，看看谁在赌同一件事。
免费账号 · 3 次免费提问 · 不用绑卡