AlphaFold 3: DeepMind evolve il suo progetto di ripiegamento proteico AI

10 maggio 2024
  • DeepMind ha annunciato AlphaFold 3, l'ultima versione del suo progetto di ripiegamento delle proteine.
  • AlphaFold 3 si basa sul successo dei suoi predecessori con un'architettura migliorata
  • Promette di accelerare la ricerca biotecnologica e la scoperta di farmaci.

DeepMind annunciato AlphaFold 3, l'ultima iterazione del suo progetto di ripiegamento delle proteine.

AlphaFold 3come i suoi predecessori, predice principalmente il ripiegamento delle proteine sulla base delle loro sequenze di amminoacidi.

Le proteine, i mattoni di tutta la vita organica, sono costituite da lunghe catene di aminoacidi che si piegano come "origami" in strutture 3D che determinano le loro funzioni. 

La comprensione del modo in cui queste strutture si ripiegano apre le porte alla decifrazione dei meccanismi molecolari alla base della salute e della malattia.

In alcuni casi, ad esempio, le proteine possono essere mal ripiegate, alterando la loro normale funzione e contribuendo allo sviluppo di malattie come l'Alzheimer e il Parkinson.

Il misfolding può interferire con la salute cellulare accumulando proteine disfunzionali che possono danneggiare cellule e tessuti.

Svelando i meccanismi alla base di questo processo, gli scienziati possono sviluppare farmaci che liberino efficacemente l'organismo dalle proteine mal ripiegate accumulate o interventi che impediscano il verificarsi del misfolding in primo luogo.

Presentazione di AlphaFold 3

DeepMind recentemente annunciato AlphaFold 3che presenta una versione migliorata del modulo Evoformer, che fa parte dell'architettura di apprendimento profondo alla base di AlphaFold 2.

Una volta che il modulo Evoformer elabora le molecole in ingresso, AlphaFold 3 utilizza una rete di diffusione innovativa per assemblare le strutture previste. 

Questa rete è simile a quelle utilizzate nei generatori di immagini AI come DALL-E. Si parte da una "nuvola" di atomi e si affina iterativamente la struttura in una serie di passaggi fino a convergere su una configurazione molecolare finale, probabilmente accurata.

Il modello AlphaFold 3 si è evoluto al di là delle sole proteine, catturando anche le interazioni di DNA, RNA e ligandi. Un ligando è una molecola che si lega a un'altra molecola, in genere una proteina, per formare un complesso e spesso scatena una risposta biologica o un cambiamento nella funzione della proteina.

Laboratori isomorfi, che ha collaborato con DeepMind del progetto AlphaFold 3, sta già lavorando con le aziende farmaceutiche, applicando il modello alle sfide della progettazione di farmaci nel mondo reale. 

DeepMind ha lanciato anche il Server AlphaFold, una piattaforma gratuita e di facile utilizzo che consente ai ricercatori di sfruttare la potenza di AlphaFold 3 senza grandi risorse computazionali o competenze nell'apprendimento automatico. 

Breve storia del progetto AlphaFold

Prima dell'apprendimento automatico, calcolare il numero di configurazioni che una proteina può assumere richiedeva tempi astronomici.

Il progetto AlphaFold è iniziato nel 2016 e si è concluso nel 2018, poco dopo la storica vittoria di AlphaGo contro Lee Sedol, un giocatore di Go di livello internazionale. 

Nel 2018, DeepMind ha presentato AlphaFold 1, la prima versione del sistema di intelligenza artificiale, in occasione del CASP13 (Valutazione critica della predizione della struttura delle proteine). 

Questo concorso biennale riunisce gruppi di ricerca di tutto il mondo per testare l'accuratezza delle loro previsioni sulla struttura delle proteine rispetto a dati sperimentali reali. 

AlphaFold 1 si è piazzato al primo posto nella competizione, una pietra miliare nella biologia computazionale.

Due anni dopo, al CASP14 del 2020, DeepMind ha presentato AlphaFold 2, dimostrando un'accuratezza così elevata che la comunità scientifica considerava il problema del ripiegamento delle proteine essenzialmente risolto. 

Le prestazioni di AlphaFold 2 sono state notevoli. Ha ottenuto un punteggio di precisione mediano di 92,4 GDT (Global Distance Test) su tutti gli obiettivi. 

Per mettere questo dato in prospettiva, un punteggio di 90 GDT è considerato competitivo con i risultati ottenuti con metodi sperimentali. Il documento sui metodi AlphaFold 2 ha ricevuto oltre 20.000 citazioni, collocandosi tra i primi 500 articoli più citati in tutti i campi scientifici. 

AlphaFold è stato determinante in numerosi progetti di ricerca innovativi, come lo studio delle proteine che potrebbero degradare gli inquinanti ambientali, come la plastica, e il miglioramento della comprensione di malattie tropicali non comuni come la leishmaniosi e il Chagas.

Nel luglio 2021, DeepMindin collaborazione con l'Istituto europeo di bioinformatica dell'EMBL (EMBL-EBI), ha rilasciato l'AlphaFold Protein Structure Database, che fornisce l'accesso a oltre 350.000 previsioni di struttura proteica, compreso l'intero proteoma umano. 

Questo database è stato ampliato fino a comprendere oltre 200 milioni di strutture, che coprono quasi tutte le proteine catalogate note alla scienza. 

Ad oggi, il database delle strutture proteiche AlphaFold è stato consultato da oltre un milione di utenti in più di 190 Paesi, consentendo scoperte in campi che vanno dalla medicina all'agricoltura e oltre.

AlphaFold 3 segna un'altra iterazione di questo sistema di analisi e scoperta delle proteine, il migliore della categoria. 

Partecipa al futuro


ISCRIVITI OGGI

Chiaro, conciso, completo. Per conoscere gli sviluppi dell'IA con DailyAI

Sam Jeans

Sam è uno scrittore di scienza e tecnologia che ha lavorato in diverse startup di intelligenza artificiale. Quando non scrive, lo si può trovare a leggere riviste mediche o a scavare tra scatole di dischi in vinile.

×
 
 

PDF GRATUITO ESCLUSIVO
Rimanere all'avanguardia con DailyAI


 

Iscriviti alla nostra newsletter settimanale e ricevi l'accesso esclusivo all'ultimo eBook di DailyAI: 'Mastering AI Tools: La tua guida 2024 per una maggiore produttività".



 
 

*Iscrivendosi alla nostra newsletter si accetta la nostra Informativa sulla privacy e il nostro Termini e condizioni