AlphaFold 3 wird auf den Markt gebracht und sagt die Wechselwirkungen und Strukturen von Proteinen und allen Lebensmolekülen umfassend und mit weitaus größerer Genauigkeit als je zuvor voraus

Herausgeber |. Radieschenhaut

Seit der Veröffentlichung des leistungsstarken AlphaFold2 im Jahr 2021 verwenden Wissenschaftler Proteinstruktur-Vorhersagemodelle, um verschiedene Proteinstrukturen innerhalb von Zellen zu kartieren, Medikamente zu entdecken und jeweils eine „kosmische Karte“ abzubilden " bekannter Proteininteraktionen.

Gerade hat Google DeepMind das AlphaFold3-Modell veröffentlicht, das in der Lage ist, die gemeinsame Struktur von Komplexen einschließlich Proteinen, Nukleinsäuren, kleinen Molekülen, Ionen und modifizierten Resten vorherzusagen. Die Genauigkeit von

AlphaFold3 ist im Vergleich zu vielen dedizierten Tools in der Vergangenheit (Protein-Ligand-Interaktion, Protein-Nukleinsäure-Interaktion, Antikörper-Antigen-Vorhersage) deutlich verbessert. Dies zeigt, dass eine hochpräzise Modellierung im gesamten Biomolekül-Raum innerhalb eines einzigen einheitlichen Deep-Learning-Frameworks möglich ist.

Mittlerweile hat das Team AlphaFold Server neu gestartet, ein benutzerfreundliches Recherchetool, das kostenlosen Zugriff auf die meisten Funktionen von AlphaFold3 bietet.

Frank Uhlmann, Biochemiker am Francis Crick Institute in London, stieß schon früh auf AlphaFold3 und war von dessen Fähigkeiten beeindruckt. „Das ist einfach revolutionär.“ Er sagte: „Dies wird die Strukturbiologieforschung demokratisieren.“

Die Studie trägt den Titel „Genaue Strukturvorhersage biomolekularer Wechselwirkungen mit AlphaFold 3“ und wurde am 8. Mai 2024 in „Nature“ veröffentlicht.

1. Molekulare Maschinen in Zellen: Zellen enthalten Milliarden molekularer Maschinen, die aus Proteinen, Nukleinsäuren und Zuckern bestehen. Diese Maschinen arbeiten zusammen, damit Lebensprozesse reibungslos ablaufen können.

2. Die Revolution von AlphaFold3: Google DeepMind bringt AlphaFold3 auf den Markt, das die Struktur und Wechselwirkungen aller lebenden Moleküle mit beispielloser Genauigkeit vorhersagt.
3. Wechselwirkungen mit anderen Molekültypen: Im Vergleich zu bestehenden Methoden verbessert AlphaFold3 die Genauigkeit der Vorhersagen von Proteininteraktionen mit anderen Molekültypen um mindestens 50 % und verdoppelt die Genauigkeit in einigen Kategorien sogar.
4. Updates für AlphaFold3: DeepMind hat ein umfangreiches Update für AlphaFold3 vorgenommen, das die Abhängigkeit von zielsequenzbezogenen Proteininformationen verringert.
5. Verwendung des Diffusionsmodells: AlphaFold3 verwendet ein Diffusionsmodell-Netzwerk für maschinelles Lernen, dasselbe, das im Bildgenerator Midjourney für künstliche Intelligenz verwendet wird. „Das ist eine große Veränderung“, sagte John Jumper, AlphaFold-Projektleiter.

   

   Wie AlphaFold3 die Moleküle des Lebens enthüllt

Videolink: https://mp.weixin.qq.com/s/IcKOIAqEM4B2fdOsE5cfVA

AlphaFold3-Funktionen

Gegebene Eingabeliste von Molekülen, AlphaFold3 Ihre gemeinsame 3D-Struktur wird generiert und zeigt, wie sie zusammenpassen. Es kann Folgendes simulieren:

1. Große Biomoleküle (Proteine, DNA, RNA)
2. Kleine Moleküle (Liganden)
3. Chemische Modifikationen

Technische Vorteile

AlphaFold3 nutzt verbesserte Architektur und Training, um alle Lebensmoleküle abzudecken. Zu den Kerntechnologien gehören:

1. Evoformer-Modul
2. Diffusionsnetzwerkaufbau

Genauigkeit

Die Vorhersage molekularer Wechselwirkungen von AlphaFold3 übertrifft die Genauigkeit aller bestehenden Systeme und verfügt über die einzigartige Fähigkeit, wissenschaftliche Erkenntnisse zu vereinheitlichen.

Drug Discovery

AlphaFold3 verbessert die Möglichkeiten des Medikamentendesigns und kann Folgendes vorhersagen:

1. Liganden
2. Antikörper

Es erreicht eine beispiellose Genauigkeit bei der Vorhersage von arzneimittelähnlichen Wechselwirkungen und verbessert sich im Vergleich zu herkömmlichen Methoden um 50 % und wird zu künstlicher Intelligenz Systeme, die über physikbasierte Vorhersagewerkzeuge hinausgehen.

Isomorphic Labs

Isomorphic Labs kombiniert AlphaFold3 mit internen KI-Modellen für:

1. Interne Projekte
2. Arzneimitteldesign mit Pharmapartnern

Es nutzt AlphaFold3, um die Erfolgsquote von Arzneimitteldesign und -reaktion zu beschleunigen und zu verbessern Neue Krankheitsziele und bestehende Ziele.

Balance

DeepMind bringt die Zugänglichkeit, die wissenschaftliche Wirkung und die kommerziellen Möglichkeiten der Arzneimittelforschung von AlphaFold3 in Einklang.

Jim Fan, leitender Forschungsmanager bei NVIDIA und Leiter von Embodied AI (GEAR Labs), twitterte und kommentierte:

1. „AlphaFold3 ist da, die neueste Version des größten Durchbruchs in der künstlichen Intelligenz in der Biologie. Die Neuheit AlphaFold3 nutzt Diffusion.“ um molekulare Strukturen zu „rendern“. Es beginnt mit einer verschwommenen Atomwolke und materialisiert dann nach und nach die Moleküle durch Rauschunterdrückung. „
2. “ In der Zeitlinie, in der wir leben, kann das Lernen von Lama und Sora die Biowissenschaften informieren und beschleunigen. Dasselbe Transformer+Diffusions-Rückgrat, das schöne Pixel erzeugt, kann auch an Proteine ​​denken Sie konvertieren die Daten entsprechend in eine Gleitkommasequenz. „
3. “ Wir sind noch nicht auf der Ebene eines einzelnen AGI-Modells, aber wir haben erfolgreich ein universelles KI-Rezeptmenü erstellt, das Training, Daten und neuronale Netze domänenübergreifend übertragen kann. Architektur. Das sollte nicht funktionieren, aber Gott sei Dank klappt es! San Francisco. „Ich glaube nicht, dass es die gleichen Auswirkungen hat wie AlphaFold2“, sagte Shoichet, der die AlphaFold-Struktur verwendet hat, um Medikamentenkandidaten zu finden.

Ein kostenloses und benutzerfreundliches Forschungstool

Im Gegensatz zu RoseTTAFold und AlphaFold2 können Wissenschaftler keine eigene Version von AlphaFold3 ausführen, und Informationen wie der zugrunde liegende Code von AlphaFold3 werden zu diesem Zeitpunkt nicht veröffentlicht Zeit. Stattdessen haben Forscher Zugriff auf den neuen „AlphaFold Server“ von DeepMind, um die Funktionen von AlphaFold3 zu nutzen.

AlphaFold Server ist eine kostenlose Plattform, die Wissenschaftler auf der ganzen Welt für nichtkommerzielle Forschung nutzen können. Mit nur wenigen Klicks können Biologen die Leistungsfähigkeit von AlphaFold 3 nutzen, um Strukturen zu simulieren, die aus Proteinen, DNA, RNA und einer Reihe von Liganden, Ionen und chemischen Modifikationen bestehen.

AlphaFold Server hilft Wissenschaftlern, neuartige Hypothesen zu generieren und diese im Labor zu testen, was den Arbeitsablauf beschleunigt und weitere Innovationen ermöglicht. Die Plattform bietet Forschern eine bequeme Möglichkeit, Vorhersagen zu erstellen, unabhängig davon, ob sie über Rechenressourcen oder Fachkenntnisse im maschinellen Lernen verfügen.

Uhlmann gefällt, was er bisher von dem Server gesehen hat, er ist einfacher und schneller als die AlphaFold2-Version, die er zuvor verwendet hatte. „Sie laden es hoch und 10 Minuten später haben Sie die Struktur“, sagte er.

Allerdings ist derzeit die Anzahl der Benutzer, die auf AlphaFold Server zugreifen können, begrenzt. Derzeit können Wissenschaftler nur 10 Vorhersagen pro Tag treffen, was es unwahrscheinlich macht, Proteinstrukturen zu erhalten, die mögliche Medikamente binden.

Videolink:

https://mp.weixin.qq.com/s/IcKOIAqEM4B2fdOsE5cfVA
AlphaFold Server:

https://golgi.sandbox.google.com/about
Verantwortungsvolle Nutzung die Kraft von AlphaFold3

Bei jeder Version von AlphaFold arbeitet DeepMind mit der Forschungs- und Sicherheitsgemeinschaft zusammen, um die weitreichenden Auswirkungen der Technologie zu verstehen. Sie verfolgen einen wissenschaftlich fundierten Ansatz und führen umfassende Bewertungen durch, um potenzielle Risiken zu mindern und umfassende Vorteile für Biologie und Mensch zu schaffen.

Aufbauend auf der externen Beratung von DeepMind für AlphaFold2 haben sie nun zusätzlich zu professionellen Dritten aus den Bereichen Biosicherheit, Forschung und Industrie mit mehr als 50 Fachexperten zusammengearbeitet, um die Fähigkeiten und Möglichkeiten nachfolgender AlphaFold-Modelle zu verstehen. DeepMind nahm vor der Veröffentlichung von AlphaFold3 auch an gemeinschaftsweiten Foren und Diskussionen teil.

AlphaFold Server spiegelt das kontinuierliche Engagement von DeepMind wider, die Vorteile von AlphaFold zu teilen, einschließlich einer kostenlosen Datenbank mit 200 Millionen Proteinstrukturen.

Sie werden auch mit EMBL-EBI und in Partnerschaft mit Organisationen im globalen Süden zusammenarbeiten, um kostenlose AlphaFold-Online-Bildungskurse zu erweitern, um Wissenschaftlern die Werkzeuge an die Hand zu geben, die sie benötigen, um die Einführung und Forschung zu beschleunigen, auch in unterfinanzierten Bereichen wie vernachlässigten Krankheiten und Nahrungsmitteln Sicherheit. DeepMind wird weiterhin mit der wissenschaftlichen Gemeinschaft und politischen Entscheidungsträgern zusammenarbeiten, um KI-Technologien verantwortungsvoll zu entwickeln und einzusetzen.

Die Zukunft der KI-gesteuerten Zellbiologie erschließen

AlphaFold3 bringt die biologische Welt in HD. Es ermöglicht Wissenschaftlern, zelluläre Systeme in all ihrer Komplexität, Struktur, Wechselwirkungen und Modifikationen zu verstehen.

Dieses neue Fenster in die Moleküle des Lebens zeigt, wie sie miteinander verbunden sind, und hilft zu verstehen, wie diese Verbindungen biologische Funktionen beeinflussen – wie die Wirkung von Medikamenten, die Produktion von Hormonen und den gesundheitsschützenden Prozess der DNA-Reparatur.

Das Potenzial von AlphaFold3 wird gerade erst erforscht. Was ist die Zukunft der Biowissenschaften?

Link zum Papier:

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

Verwandter Inhalt:
https://blog.google/technology/ai/google-deepmind-isomorphic-alphafold-3-ai-model/

Das obige ist der detaillierte Inhalt vonAlphaFold 3 wird auf den Markt gebracht und sagt die Wechselwirkungen und Strukturen von Proteinen und allen Lebensmolekülen umfassend und mit weitaus größerer Genauigkeit als je zuvor voraus. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!