DeepMind angekündigt AlphaFold 3die neueste Version des Projekts zur Proteinfaltung.
AlphaFold 3sagt wie seine Vorgänger in erster Linie die Faltung von Proteinen auf der Grundlage ihrer Aminosäuresequenzen voraus.
Proteine, die Bausteine allen organischen Lebens, bestehen aus langen Ketten von Aminosäuren, die sich wie Origami" zu 3D-Strukturen falten, die ihre Funktionen bestimmen.
Das Verständnis der Faltung dieser Strukturen eröffnet die Möglichkeit, die molekularen Mechanismen zu entschlüsseln, die Gesundheit und Krankheit zugrunde liegen.
In einigen Fällen können Proteine beispielsweise fehlgefaltet werden, was ihre normale Funktion stört und zur Entstehung von Krankheiten wie Alzheimer und Parkinson beiträgt.
Fehlfaltungen können die Zellgesundheit beeinträchtigen, indem sie dysfunktionale Proteine ansammeln, die Zellen und Gewebe schädigen können.
Indem sie die Mechanismen hinter diesem Prozess enträtseln, können die Wissenschaftler Medikamente entwickeln, die den Körper wirksam von den angesammelten fehlgefalteten Proteinen befreien, oder Eingriffe vornehmen, die die Fehlfaltung von vornherein verhindern.
Einführung von AlphaFold 3
DeepMind kürzlich angekündigt AlphaFold 3die eine verbesserte Version des Evoformer-Moduls enthält, das Teil der Deep-Learning-Architektur ist, die AlphaFold 2 zugrunde liegt.
Sobald das Evoformer-Modul die Eingabemoleküle verarbeitet hat, verwendet AlphaFold 3 ein neuartiges Diffusionsnetzwerk, um die vorhergesagten Strukturen zusammenzusetzen.
Dieses Netzwerk ähnelt denen, die in KI-Bildgeneratoren wie DALL-E. Es beginnt mit einer "Wolke" von Atomen und verfeinert die Struktur iterativ über eine Reihe von Schritten, bis es zu einer endgültigen, wahrscheinlich genauen Molekülkonfiguration konvergiert.
Das AlphaFold 3-Modell hat sich über Proteine hinaus entwickelt - es erfasst auch die Wechselwirkungen von DNA, RNA und Liganden. Ein Ligand ist ein Molekül, das an ein anderes Molekül, in der Regel ein Protein, bindet, um einen Komplex zu bilden, und oft eine biologische Reaktion oder eine Veränderung der Proteinfunktion auslöst.
Isomorphe Laboreder zusammen mit DeepMind an dem Projekt AlphaFold 3 arbeitet bereits mit Pharmaunternehmen zusammen und wendet das Modell auf reale Herausforderungen bei der Entwicklung von Arzneimitteln an.
DeepMind hat auch die AlphaFold Servereine kostenlose und benutzerfreundliche Plattform, die es Forschern ermöglicht, die Leistung von AlphaFold 3 ohne umfangreiche Rechenressourcen oder Fachkenntnisse im Bereich des maschinellen Lernens zu nutzen.
Eine kurze Geschichte des AlphaFold-Projekts
Vor dem maschinellen Lernen war die Berechnung der Anzahl von Konfigurationen, die ein Protein annehmen könnte, astronomisch zeitaufwändig.
Das AlphaFold-Projekt begann 2016 und endete 2018, kurz nach AlphaGos historischem Sieg gegen Lee Sedol, einen internationalen Top-Go-Spieler.
Im Jahr 2018, DeepMind hat AlphaFold 1, die erste Version des KI-Systems, auf der CASP13 (Kritische Bewertung der Proteinstrukturvorhersage) herausfordern.
Dieser alle zwei Jahre stattfindende Wettbewerb bringt Forschergruppen aus der ganzen Welt zusammen, um die Genauigkeit ihrer Proteinstrukturvorhersagen anhand realer experimenteller Daten zu testen.
AlphaFold 1 belegte den ersten Platz in dem Wettbewerb, ein großer Meilenstein in der Computerbiologie.
Zwei Jahre später, beim CASP14 im Jahr 2020, DeepMind präsentierte AlphaFold 2, das eine so hohe Genauigkeit aufwies, dass die wissenschaftliche Gemeinschaft das Problem der Proteinfaltung als im Wesentlichen gelöst betrachtete.
Die Leistung von AlphaFold 2 war bemerkenswert. Es erreichte einen mittleren Genauigkeitswert von 92,4 GDT (Global Distance Test) für alle Ziele.
Um dies in die richtige Perspektive zu rücken, wird eine Punktzahl von 90 GDT als konkurrenzfähig mit Ergebnissen aus experimentellen Methoden angesehen. Das AlphaFold-2-Methodenpapier wurde seither mehr als 20.000 Mal zitiert und gehört damit zu den 500 meistzitierten Veröffentlichungen in allen wissenschaftlichen Bereichen.
AlphaFold war an zahlreichen neuartigen Forschungsprojekten beteiligt, z. B. an der Untersuchung von Proteinen, die Umweltschadstoffe wie Kunststoffe abbauen könnten, und an der Verbesserung unseres Verständnisses von seltenen Tropenkrankheiten wie Leishmaniose und Chagas.
Im Juli 2021, DeepMindin Zusammenarbeit mit dem Europäischen Institut für Bioinformatik (EMBL-EBI) die AlphaFold-Proteinstrukturdatenbank veröffentlicht, die Zugang zu über 350.000 Proteinstrukturvorhersagen bietet, einschließlich des gesamten menschlichen Proteoms.
Diese Datenbank wurde inzwischen auf über 200 Millionen Strukturen erweitert und umfasst nahezu alle katalogisierten Proteine, die der Wissenschaft bekannt sind.
Bis heute haben über eine Million Nutzer in mehr als 190 Ländern auf die AlphaFold-Proteinstrukturdatenbank zugegriffen und damit Entdeckungen in Bereichen von der Medizin bis zur Landwirtschaft und darüber hinaus ermöglicht.
AlphaFold 3 markiert eine weitere Iteration dieses erstklassigen Systems zur Entdeckung und Analyse von Proteinen.
