AlphaFold 3 dilancarkan, meramalkan secara menyeluruh interaksi dan struktur protein dan semua molekul hidupan, dengan ketepatan yang jauh lebih tinggi berbanding sebelum ini

. " interaksi protein yang diketahui.

Tadi, Google DeepMind

mengeluarkan model AlphaFold3

, yang mampu meramalkan struktur sendi kompleks termasuk protein, asid nukleik, molekul kecil,

dan sisa

yang diubah suai Ketepatan AlphaFold3 dipertingkatkan dengan ketara berbanding dengan banyak alat khusus pada masa lalu (interaksi protein-ligan, interaksi asid protein-nukleik, ramalan antibodi-antigen). Ini menunjukkan bahawa pemodelan ketepatan tinggi merentasi ruang biomolecule boleh dilakukan dalam satu rangka kerja pembelajaran mendalam yang bersatu. Sementara itu, pasukan itu baru melancarkan AlphaFold Server, alat penyelidikan yang mudah digunakan yang menyediakan akses percuma kepada kebanyakan ciri

AlphaFold3

. Frank Uhlmann, ahli biokimia di Francis Crick Institute di London, telah menemui AlphaFold3 sejak awal dan kagum dengan keupayaannya. "Ini hanya revolusioner." Dia berkata, "Ini akan mendemokrasikan penyelidikan biologi struktur

Kajian ini bertajuk "Ramalan struktur tepat interaksi biomolekul dengan AlphaFold 3" dan dikeluarkan pada 8 Mei 2024 Dalam "Nature". 1. Mesin molekul dalam sel:

Sel mengandungi berbilion mesin molekul yang terdiri daripada protein, asid nukleik dan gula. Mesin-mesin ini bekerja bersama-sama supaya proses kehidupan dapat berjalan dengan lancar.

Revolusi AlphaFold3:

Google DeepMind melancarkan AlphaFold3, yang meramalkan struktur dan interaksi semua molekul hidup dengan ketepatan yang tidak pernah berlaku sebelum ini.

Interaksi dengan jenis molekul lain: Berbanding dengan kaedah sedia ada, AlphaFold3 meningkatkan ketepatan ramalan interaksi protein dengan jenis molekul lain sekurang-kurangnya 50%, malah menggandakan ketepatan dalam beberapa kategori.

Kemas kini kepada AlphaFold3:
2. DeepMind telah membuat kemas kini utama kepada AlphaFold3 yang mengurangkan pergantungan pada maklumat protein berkaitan urutan sasaran.
Penggunaan Model Resapan:
3. AlphaFold3 menggunakan rangkaian pembelajaran mesin model resapan, yang sama digunakan dalam penjana imej kecerdasan buatan Midjourney. "Ini adalah perubahan besar," kata John Jumper, ketua projek AlphaFold.
Bagaimana AlphaFold3 mendedahkan molekul kehidupan
5. Pautan video:

   https://mp.weixin.qq.com/s/IcKOIAqEM4B2fdOsE5cf Diberikan senarai Input molekul, AlphaFold3 Struktur 3D bersama mereka dijana, mendedahkan cara ia sesuai bersama. Ia boleh mensimulasikan:

Biomolekul besar (protein, DNA, RNA)

Molekul kecil (ligan)

Pengubahsuaian kimia

Kelebihan teknikalkegunaan latihan dan F

lama Teknologi teras termasuk:

Modul Evoformer
1. Pemasangan rangkaian resapan
3. Ketepatan

Ramalan interaksi molekular AlphaFold3 melebihi ketepatan dalam semua sistem yang sedia ada, dengan keupayaan unik untuk menyatukan sistem yang sedia ada.

drug Discovery

1. alphafold3 Meningkatkan keupayaan reka bentuk dadah dan boleh meramalkan:
2. ligands

antibodies

it mencapai ketepatan yang belum pernah terjadi sebelumnya dalam meramalkan interaksi seperti dadah, meningkatkan sebanyak 50 % berbanding kaedah tradisional %, menjadi kecerdasan buatan sistem yang mengatasi alat ramalan berasaskan fizik. Makmal Isomorphic reka bentuk, tindak balas Sasaran penyakit baru dan sasaran sedia ada.

Baki

DeepMind mengimbangi kebolehcapaian AlphaFold3, kesan saintifik dan keupayaan penemuan dadah komersial.

Jim Fan, pengurus penyelidikan kanan di NVIDIA dan ketua Embodied AI (GEAR Labs), tweet dan mengulas:

1. "AlphaFold3 ada di sini, versi terbaharu kejayaan terbesar dalam kecerdasan buatan dalam biologi. Novelty AlphaFold3 menggunakan penyebaran untuk "menjadikan" struktur molekul. Ia bermula dengan awan kabur atom dan kemudian secara beransur-ansur mengeluarkan molekul melalui denoising. "
2. " Dalam garis masa yang kita hayati, belajar daripada Llama dan Sora boleh memaklumkan dan mempercepatkan sains hayat. Saya dapati keluasannya sangat luar biasa anda menukar data kepada jujukan titik terapung dengan sewajarnya "
3. "Kami belum berada pada tahap model AGI tunggal, tetapi kami telah berjaya membina menu resipi AI universal yang boleh memindahkan latihan, data dan rangkaian saraf merentas domain. Seni bina. Ini tidak sepatutnya berfungsi, tetapi alhamdulillah ia berjaya!"

Sudah tentu, terdapat juga suara-suara sumbang, kerana batasan dalam memodelkan interaksi protein dengan ubat-ubatan yang mungkin, kata Brian, seorang ahli kimia perubatan di Universiti California, San Francisco. "Saya tidak nampak ia mempunyai kesan yang sama seperti AlphaFold2," kata Shoichet, yang telah menggunakan struktur AlphaFold untuk mencari calon dadah.

Alat penyelidikan percuma dan mudah digunakan

Tidak seperti RoseTTAFold dan AlphaFold2, saintis tidak akan dapat menjalankan versi AlphaFold3 mereka sendiri, dan maklumat seperti kod asas AlphaFold3 tidak akan didedahkan kepada umum pada masa ini masa. Sebaliknya, penyelidik akan mempunyai akses kepada "Pelayan AlphaFold" baharu DeepMind untuk menggunakan keupayaan AlphaFold3.

AlphaFold Server ialah platform percuma yang boleh digunakan oleh saintis di seluruh dunia untuk menjalankan penyelidikan bukan komersial. Dengan hanya beberapa klik, ahli biologi boleh memanfaatkan kuasa AlphaFold 3 untuk mensimulasikan struktur yang terdiri daripada protein, DNA, RNA dan pelbagai ligan, ion dan pengubahsuaian kimia.

AlphaFold Server membantu saintis menjana hipotesis baru dan mengujinya dalam makmal, mempercepatkan aliran kerja dan membolehkan inovasi selanjutnya. Platform ini menyediakan penyelidik cara yang mudah untuk menjana ramalan, tidak kira sama ada mereka mempunyai sumber pengkomputeran atau kepakaran dalam pembelajaran mesin.

Uhlmann suka apa yang dilihatnya tentang pelayan setakat ini, ia lebih ringkas dan lebih pantas daripada versi AlphaFold2 yang pernah digunakannya sebelum ini. "Anda memuat naiknya, dan 10 minit kemudian, anda mempunyai strukturnya," katanya.

Walau bagaimanapun, pada masa ini bilangan akses pengguna kepada Pelayan AlphaFold adalah terhad. Pada masa ini, saintis hanya boleh membuat 10 ramalan setiap hari, yang menjadikannya tidak mungkin untuk mendapatkan struktur protein yang mengikat kemungkinan ubat.

Pautan video:
https://mp.weixin.qq.com/s/IcKOIAqEM4B2fdOsE5cfVA

AlphaFold Server:
https://golgi.com/abboxing

Respons Google kuasa AlphaFold3

Dengan setiap versi AlphaFold, DeepMind bekerjasama dengan komuniti penyelidikan dan keselamatan untuk memahami kesan luas teknologi. Mereka mengambil pendekatan yang diterajui sains dan menjalankan penilaian yang meluas untuk mengurangkan potensi risiko dan berkongsi faedah yang luas kepada biologi dan manusia.

Membina perundingan luar DeepMind untuk AlphaFold2, sebagai tambahan kepada pihak ketiga profesional dalam biosekuriti, penyelidikan dan industri, mereka kini telah terlibat dengan lebih daripada 50 pakar domain untuk memahami keupayaan dan keupayaan model AlphaFold seterusnya. DeepMind turut mengambil bahagian dalam forum dan perbincangan seluruh komuniti sebelum keluaran AlphaFold3.

AlphaFold Server mencerminkan komitmen berterusan DeepMind untuk berkongsi faedah AlphaFold, termasuk pangkalan data percuma 200 juta struktur protein.

Mereka juga akan bekerjasama dengan EMBL-EBI dan bekerjasama dengan organisasi di Global South untuk mengembangkan kursus dalam talian pendidikan AlphaFold percuma untuk menyediakan para saintis dengan alat yang mereka perlukan untuk mempercepatkan penerimaan dan penyelidikan, termasuk dalam bidang yang kurang dana seperti penyakit dan makanan yang diabaikan keselamatan. DeepMind akan terus bekerjasama dengan komuniti saintifik dan penggubal dasar untuk membangunkan dan menggunakan teknologi AI secara bertanggungjawab.

Membuka masa depan biologi sel dipacu AI

AlphaFold3 membawa dunia biologi ke dalam HD. Ia membolehkan saintis memahami sistem selular dalam semua kerumitan, struktur, interaksi dan pengubahsuaian mereka.

Tetingkap baharu ini ke dalam molekul kehidupan mendedahkan cara ia saling berkaitan dan membantu memahami cara hubungan ini mempengaruhi fungsi biologi - seperti tindakan dadah, penghasilan hormon dan proses pembaikan DNA yang melindungi kesihatan.

Potensi AlphaFold3 baru mula dicungkil Apakah masa depan sains hayat?

Pautan kertas:

https://www.nature.com/articles/s41586-024-07487-w

Kandungan berkaitan:
https://blog.google/technology/ai/google-deepmind-isomorphic-alphafold-3-ai-model/

Atas ialah kandungan terperinci AlphaFold 3 dilancarkan, meramalkan secara menyeluruh interaksi dan struktur protein dan semua molekul hidupan, dengan ketepatan yang jauh lebih tinggi berbanding sebelum ini. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!