AlphaFold 3 重磅問世，全面預測蛋白質與所有生命分子相互作用及結構，準確度遠超以往水平

編輯| 蘿蔔皮

自2021 年發布強大的AlphaFold2 以來，科學家們一直在使用蛋白質結構預測模型 來繪製細胞內各種蛋白質結構的每種圖譜、發現藥物，並繪製每種蛋白質結構預測模型已知蛋白質相互作用的「宇宙圖」。

就在剛剛，Google DeepMind 發布了 AlphaFold3 模型，該模型能夠對包括蛋白質、核酸、小分子、離子和修飾殘基 在內的 、小分子、離子和修飾殘基

在內的

、小分子、離子和修飾殘基 在內的 。

AlphaFold3 的準確性對比過去許多專用工具（蛋白質-配體相互作用、蛋白質-核酸相互作用、抗體-抗原預測）有顯著提高。這表明，在單一統一的深度學習框架內，可以實現跨 生物分子 空間的高精度建模。

同時，該團隊新推出了

AlphaFold Server，一種易於使用的研究工具，可以免費存取 AlphaFold3

的大部分功能。

倫敦弗朗西斯·克里克研究所的生物化學家 Frank Uhlmann 很早就接觸到了 AlphaFold3

，他對其功能印象深刻。 「這簡直是革命性的。」他說，「這將使結構生物學研究大眾化。」該研究以「Accurate structure prediction of biomolecular interactions with AlphaFold 3」為題，於2024 年5 月8 日發布在《Nature》。

2. 1. 細胞內分子機器：細胞內包含數十億個由蛋白質、核酸和醣類組成的分子機器。這些機器共同作用，生命過程得以順利進行。
3. AlphaFold3 的革命：
Google DeepMind 推出 AlphaFold3，可預測所有生命分子的結構和相互作用，其預測精度達到前所未有的水平。
4. 與其他分子類型的相互作用：
與現有方法相比，AlphaFold3 在蛋白質與其他分子類型相互作用的預測上至少提升了 50% 的準確度，某些類別甚至提升了一倍。
5. AlphaFold3 的更新：

   DeepMind 對 AlphaFold3 進行了重大更新，減少了對目標序列相關蛋白質資訊的依賴。

擴散模型的使用：

AlphaFold3 採用擴散模型機器學習網絡，與人工智慧影像產生器 Midjourney 中使用的相同。 「這是一個重大變化。」AlphaFold 專案負責人 John Jumper 說。

AlphaFold3 如何揭示生命分子

影片連結：

https://mp.weixin.qq.com/s/IcKOIAqEM4B2fOsE533df3fOsq分子的輸入列表，AlphaFold3會產生它們的聯合3D 結構，揭示它們如何組合在一起。它可以模擬：

大型生物分子（蛋白質、DNA、RNA）
1. 小分子（配體）
2. 化學修飾

技術優勢

AlphaphaFold 。核心技術包括：

Evoformer 模組
1. 擴散網絡組裝

準確性

AlphaFold3 對分子相互作用的預測超過了所有現有系統的準確性，具有獨特的科學能力。

藥物發現

AlphaFold3 提高了藥物設計能力，可以預測：

配體
1. 抗體

它在預測類藥物相互作用方面實現了對藥物相互作用5 比傳統的準確性%，成為超越基於物理的預測工具的人工智慧系統。

Isomorphic Labs

Isomorphic Labs 結合AlphaFold3 和內部AI 模型，用於：

內部項目
1. 與製藥合作夥伴的藥物設計
2. 內部項目

與製藥合作夥伴的藥物設計

內部項目與製藥合作夥伴的藥物設計

新的疾病目標和現有目標。 🎜🎜🎜平衡🎜🎜

DeepMind 平衡了 AlphaFold3 的可取得性、科學影響力和商業藥物發現能力。

NVIDIA 高級研究經理兼Embodied AI（GEAR 實驗室）負責人Jim Fan 發推文評論道：

1. “AlphaFold3 已經問世，這是生物學領域人工智慧最偉大突破的最新版本。新穎之處在於AlphaFold3 使用擴散來「渲染」分子結構。它從模糊的原子雲開始，然後通過去噪逐漸具體化分子。 」
2. 「在我們生活的時間線上，Llama 和Sora 的學習可以為生命科學提供資訊並加速發展。我發現這種普遍性絕對令人難以置信。生成精美像素的相同transformer+diffusion backbone 也可以想像蛋白質，只要你相應地將資料轉換為浮點序列。架構。 Shoichet 表示：「我看不出它能產生AlphaFold2 那樣的影響。」他一直在使用AlphaFold 結構來尋找候選藥物。
3. 一款免費且易於使用的研究工具

與 RoseTTAFold 和 AlphaFold2 不同，科學家將無法運行他們自己版本的 AlphaFold3，AlphaFold3 底層的代碼等資訊目前不會被公開。相反，研究人員將可以存取 DeepMind 新推出的「AlphaFold Server」 來使用 AlphaFold3 的功能。

AlphaFold Server 是一個免費平台，世界各地的科學家可以使用它進行非商業研究。只需點擊幾下，生物學家就可以利用 AlphaFold 3 的強大功能來模擬由蛋白質、DNA、RNA 以及一系列配體、離子和化學修飾組成的結構。

AlphaFold Server 幫助科學家提出新穎的假設並在實驗室進行測試，加快工作流程並實現進一步的創新。該平台為研究人員提供了一種產生預測的便捷方式，無論他們是否擁有計算資源或機器學習方面的專業知識。

Uhlmann 很喜歡他迄今為止所看到的伺服器，比他之前使用的 AlphaFold2 版本更簡單、更快。 「你上傳它，10 分鐘後，你就得到了結構。」他說。

但是，目前使用者對 AlphaFold Server 的造訪次數是有限的。目前，科學家每天只能進行 10 次預測，這不太可能獲得與可能的藥物結合的蛋白質結構。

視訊連結：

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

AlphaFold Server：googleol地使用AlphaFold3 的力量
針對每個版本的AlphaFold，DeepMind 都會與研究和安全社區合作，以了解該技術的廣泛影響。他們採取以科學為主導的方法，並進行了廣泛的評估，從而減輕潛在風險並分享對生物學和人類的廣泛利益。

在DeepMind 為AlphaFold2 進行的外部諮詢的基礎上，除了生物安全、研究和行業領域的專業第三方之外，他們現在還與50 多名領域專家進行了接觸，從而了解後續AlphaFold 模型的功能和任何潛在風險。在 AlphaFold3 發布之前，DeepMind 也參加了社群範圍的論壇和討論。
AlphaFold Server 體現了 DeepMind 對分享 AlphaFold 優勢的持續承諾，包括含有 2 億個蛋白質結構的免費資料庫。

他們還將與 EMBL-EBI 以及與南半球組織的合作，擴大免費 AlphaFold 教育線上課程，為科學家提供加速採用和研究所需的工具，包括在被忽視的疾病和糧食安全等資金不足的領域。 DeepMind 將繼續與科學界和政策制定者合作，負責任地開發和部署人工智慧技術。

開啟 AI 驅動的細胞生物學的未來

AlphaFold3 將生物世界帶入高清。它使科學家能夠了解細胞系統的所有複雜性、結構、相互作用和修飾。

這個關於生命分子的新窗口，揭示了它們是如何相互聯繫的，並有助於理解這些聯繫如何影響生物功能——例如藥物的作用、激素的產生以及 DNA 修復的健康保護過程。

AlphaFold3 的潛力才剛開始挖掘，生命科學的未來會如何呢？

論文連結：

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

관련 콘텐츠:
https://blog.google/technology/ai/google-deepmind-isomorphic-alphafold-3-ai-model/

以上是AlphaFold 3 重磅問世，全面預測蛋白質與所有生命分子相互作用及結構，準確度遠超以往水平的詳細內容。更多資訊請關注PHP中文網其他相關文章！