宾夕法尼亚州费城福克斯蔡斯癌症中心(Fox Chase Cancer Center)的计算结构生物学家Roland Dunbrack说，他对《自然》杂志上发表的AlphaFold3论文进行了同行评审。他说，他对DeepMind没有公布代码感到失望，既没有让他审查，也没有在论文中发表。AlphaFold2代码的可用性扩大了它的范围，使研究人员能够适应和改进该工具。“我想要可下载的代码，因为如果我和其他人能够访问，科学就会发生，”公开信的合著者Dunbrack说。

5月13日，也就是反弹开始的几天后，DeepMind改变了态度，宣布将在6个月内将AlphaFold3代码和模型权重提供给学术使用。

但科学家们表示，这个版本的AlphaFold3是否具有全方位的功能，尤其是预测蛋白质与潜在药物分子或配体结合的结构的能力，仍然存在疑问。“我不认为他们会给我们做任何配体的能力，”Dunbrack说。他说，AlQuraishi团队正在开发的OpenFold3模型不会有这样的限制，也不会对商业用途有任何限制。

科学家们追求AlphaFold3的开源版本还有其他原因。AlQuraishi说，其中之一将是重新训练模型的能力，以更好地模拟蛋白质和潜在药物之间的相互作用。他的团队使用与DeepMind使用的相同的公开数据集重新训练了他们的AlphaFold2版本。但AlQuraishi预计，许多制药公司——他们可以获得大量实验确定的与可能的药物结合的蛋白质结构——将热衷于拥有一个版本的AlphaFold3，他们可以用自己的专有数据对其进行再训练，这可能会提高模型的性能。

AlQuraishi并不是唯一一个试图了解AlphaFold3秘密的科学家。大卫·贝克是西雅图华盛顿大学的计算生物物理学家，他想看看什么可以应用到一个开源的蛋白质和化学预测模型上，这个模型被他的团队开发为RoseTTAFold-All-Atom，它的性能还不如AlphaFold3。

旧金山的独立软件工程师Phil Wang已经开始了一项众包工作，以复制DeepMind的最新模型。同样拥有医学学位的王已经开发了数十种人工智能模型的开源版本，包括图像生成工具DALL-E。过去，Wang已经从公司那里获得了资金支持，但还没有收到开放AlphaFold3的邀请。