AlphaFold 3: DeepMind развивает проект искусственного интеллекта по сворачиванию белков

Май 10, 2024

  • DeepMind анонсировала AlphaFold 3, последнюю версию своего проекта по сворачиванию белков
  • AlphaFold 3 развивает успех своих предшественников благодаря улучшенной архитектуре
  • Он обещает ускорить биотехнологические исследования и открытие лекарств

DeepMind объявил AlphaFold 3Это последняя итерация проекта по складыванию белков.

AlphaFold 3Как и его предшественники, он в первую очередь предсказывает, как складываются белки, основываясь на их аминокислотных последовательностях.

Белки, строительные блоки всей органической жизни, состоят из длинных цепочек аминокислот, которые складываются, как оригами, в трехмерные структуры, определяющие их функции. 

Понимание того, как складываются эти структуры, открывает путь к расшифровке молекулярных механизмов, лежащих в основе здоровья и болезней.

Например, в некоторых случаях белки могут превращаться в неправильную форму, что нарушает их нормальное функционирование и способствует развитию таких заболеваний, как болезнь Альцгеймера и Паркинсона.

Неправильное фолдинг может нарушать здоровье клеток, накапливая дисфункциональные белки, которые могут повреждать клетки и ткани.

Разгадав механизмы, лежащие в основе этого процесса, ученые смогут разработать лекарства, эффективно очищающие организм от накопившихся неправильных белков, или меры, предотвращающие возникновение неправильного фолдинга.

Представляем AlphaFold 3

DeepMind недавно объявил AlphaFold 3В нем представлена улучшенная версия модуля Evoformer, который является частью архитектуры глубокого обучения, лежащей в основе AlphaFold 2.

После того как модуль Evoformer обработает входные молекулы, AlphaFold 3 использует новую диффузионную сеть для сборки предсказанных структур. 

Эта сеть похожа на те, что используются в генераторах изображений искусственного интеллекта, таких как DALL-E. Он начинает с "облака" атомов и итеративно уточняет структуру в течение ряда шагов, пока не сходится к окончательной, вероятно, точной конфигурации молекулы.

Модель AlphaFold 3 не ограничивается только белками - она также отражает взаимодействие ДНК, РНК и лигандов. Лиганд - это молекула, которая связывается с другой молекулой, обычно белком, образуя комплекс, и часто вызывает биологический ответ или изменение функции белка.

Isomorphic Labsкоторый сотрудничал с DeepMind работающий над проектом AlphaFold 3, уже сотрудничает с фармацевтическими компаниями, применяя модель для решения реальных задач по разработке лекарств. 

DeepMind также запустила Сервер AlphaFoldбесплатная и удобная платформа, которая позволяет исследователям использовать возможности AlphaFold 3, не имея больших вычислительных ресурсов или опыта в машинном обучении. 

Краткая история проекта AlphaFold

До появления машинного обучения вычисление количества конфигураций, которые может принимать белок, занимало астрономическое количество времени.

Проект AlphaFold стартовал в 2016 году и завершился в 2018-м, вскоре после исторической победы AlphaGo над Ли Седолем, лучшим международным игроком в го. 

В 2018 г, DeepMind AlphaFold 1, первая версия системы искусственного интеллекта, была представлена на выставке CASP13 (Критическая оценка предсказания структуры белков) вызов. 

В этом конкурсе, который проводится раз в два года, участвуют исследовательские группы со всего мира, чтобы проверить точность предсказаний структуры белков на основе реальных экспериментальных данных. 

AlphaFold 1 занял первое место в конкурсе, что стало важной вехой в вычислительной биологии.

Два года спустя, на CASP14 в 2020 году, DeepMind представила AlphaFold 2, продемонстрировав настолько высокую точность, что научное сообщество посчитало проблему сворачивания белков практически решенной. 

AlphaFold 2 продемонстрировал впечатляющие результаты. Она достигла медианного показателя точности 92,4 GDT (Global Distance Test) по всем целям. 

В перспективе оценка 90 GDT считается конкурентоспособной с результатами, полученными экспериментальными методами. Статья о методах AlphaFold 2 с тех пор получила более 20 000 ссылок, что позволило ей войти в число 500 наиболее цитируемых работ во всех научных областях. 

AlphaFold сыграла важную роль в многочисленных новых исследовательских проектах, таких как изучение белков, способных разлагать загрязнители окружающей среды, например, пластик, и улучшение нашего понимания таких редких тропических заболеваний, как лейшманиоз и болезнь Шагаса.

В июле 2021 года, DeepMindсовместно с Европейским институтом биоинформатики EMBL (EMBL-EBI) выпустила базу данных AlphaFold Protein Structure Database, которая предоставляет доступ к более чем 350 000 прогнозов структуры белков, включая полный протеом человека. 

С тех пор эта база данных была расширена и включает в себя более 200 миллионов структур, охватывающих почти все известные науке белки. 

На сегодняшний день доступ к базе данных AlphaFold Protein Structure Database получили более миллиона пользователей в более чем 190 странах мира, что позволило совершить открытия в самых разных областях - от медицины до сельского хозяйства и не только.

AlphaFold 3 - очередная итерация этой лучшей в своем классе системы обнаружения и анализа белков. 

Присоединяйтесь к будущему


ПОДПИСАТЬСЯ СЕГОДНЯ

Четко, лаконично, всесторонне. Получите представление о развитии искусственного интеллекта с помощью DailyAI

Сэм Джинс

Сэм - писатель в области науки и техники, работавший в различных AI-стартапах. Когда он не пишет, его можно найти за чтением медицинских журналов или копанием в коробках с виниловыми пластинками.

×

ЭКСКЛЮЗИВНЫЙ БЕСПЛАТНЫЙ PDF
Будьте впереди с DailyAI

Подпишитесь на нашу еженедельную рассылку и получите эксклюзивный доступ к последней электронной книге DailyAI: "Освоение инструментов искусственного интеллекта: Ваше руководство по повышению производительности в 2024 году".

* Подписываясь на нашу рассылку, вы принимаете наши Политика конфиденциальности и наш Условия и положения