“ Alphafold 3:革新分子結構和相互作用預測”

自2020年推出以來,已有超過200萬研究人員使用Google DeepMind的AlphaFold 2預測蛋白質結構,助力疫苗開發與癌症治療等突破。該模型解決了困擾科學家半世紀以上的難題。但Google DeepMind團隊未止步於此;他們未沉醉於榮譽,而是捲起袖子開始研發AlphaFold 3。
由Google DeepMind與Isomorphic Labs於五月推出,AlphaFold 3更上一層樓。它不僅預測蛋白質摺疊,還能預測各種生命分子的結構與相互作用,包括DNA、RNA和配體——那些與蛋白質結合的微小分子。
「有了AlphaFold 2,我們在解決蛋白質摺疊難題上取得了巨大進展,但科學界已轉向更複雜的問題,」Google DeepMind研究科學家Jonas Adler解釋。「研究人員現在深入探討小分子如何結合,或RNA如何運作等AlphaFold 2無法勝任的領域。為了跟上生物學與化學的最新進展,我們需要一款能處理各種生物分子的工具。」
這裡的「一切」包括配體,因其構成約一半的藥物而至關重要。「在Isomorphic Labs,我們看到AlphaFold 3在理性藥物設計上的巨大潛力,我們已每天應用它,」Isomorphic Labs研究領導者Adrian Stecula說。「我們正在探索新小分子如何與新藥靶點結合,研究蛋白質與DNA、RNA的相互作用,以及化學調整如何影響蛋白質結構——新模型開啟了所有這些可能性。」
納入這些額外的分子類型意味著要處理更多的組合。「蛋白質相對簡單,只有20種標準氨基酸,」Jonas指出。「但小分子?它們無處不在,可能性無窮。它們極其多樣。」
意識到全面資料庫不可行,團隊推出了AlphaFold Server。這款免費工具讓科學家輸入自己的序列,AlphaFold為其生成分子複合物。自五月上線以來,已用於創建超過100萬個結構。
「這就像是分子複合物的Google Maps,」Google DeepMind研究工程師Lindsay Willmore說。「即使你不是程式設計師,也只需複製貼上你的蛋白質、DNA、RNA或小分子序列,按下按鈕,等幾分鐘,就能得到結構以及信心度量,幫助你評估預測的準確性。」
為了讓AlphaFold 3適用於如此廣泛的生物分子,團隊擴展了訓練數據,包括DNA、RNA、小分子等。「我們想,『為什麼不利用數據集中幫助我們研究蛋白質的所有內容,看看能走多遠?』」Lindsay解釋。「結果,我們走得很遠。」
AlphaFold 3的關鍵變化在於生成結構的最後部分。AlphaFold 2使用了複雜的幾何模組,而AlphaFold 3改用基於擴散的簡單生成模型,類似於其他先進的圖像生成模型如Imagen。這一變化簡化了模型處理新型分子的方式。
然而,這一轉變帶來了新挑戰:擴散模型會錯誤地為實際上「無序」的蛋白質區域創建「有序」結構——就像試圖將一堆混亂的義大利麵整理成整齊的螺旋。
因此,團隊轉向AlphaFold 2,其擅長預測這些無序相互作用。「我們用AlphaFold 2的預測來訓練AlphaFold 3,教它識別和預測無序,」Lindsay說。
「我們有句話:『相信螺旋麵,拒絕直麵,』」Jonas笑著補充。
來自AlphaFold 3的預測示例,顯示藍色的有序「螺旋麵」區域和橙色的無序「直麵」區域。顏色表示模型對預測準確性的信心。
團隊期待看到AlphaFold 3在基因組學和藥物設計等領域的應用。「看到我們走了多遠,真是令人驚嘆,」Jonas說。「曾經困難的現在變得簡單,曾經不可能的現在觸手可及。仍有難題待解,但我們對AlphaFold 3能幫助我們實現的感到興奮。」
相關文章
Google 測試 Remy AI 代理,以 Gemini 為重點轉向使用者控制
根據《商業內幕》的報道,谷歌正在測試 Remy,這是 Gemini 的一款全新 AI 個人代理工具。該工具旨在代表使用者執行任務,從而簡化專業工作流程和日常事務。目前,Remy 正在 Gemini 應用的內部員工專屬版本中進行測試。該報告引用了一份內部檔案以及對兩位熟悉該專案的個人的採訪。內部資料將 Remy 描述為“全天候個人代理”,將 Gemini 定位為能夠代表使用者行事的主動助手。接近該專案的訊息人士證實,谷歌員工正在積極測試 Remy。谷歌發言人拒絕提供進一步評論。該報告未提及公開發布
奧利押注隱私保護,力爭在 AI 助理競賽中勝出
要真正發揮實用價值,人工智慧助理必須深入了解其使用者。Ollie 是一款專為日常生活設計的個人助理,其運作前提是:這無需您交出個人資料,亦不會損害您的隱私。雖然某些企業級 AI 工具提供資料隱私保障,但 Ollie 作為首批獲得 SOC 2 合規認證的主流、以家庭為導向的 AI 服務之一,顯得格外突出。此框架允許企業透過獨立稽核證明,其已建立正式的管控措施來保護客戶資料,並確保系統運作的安全性。達
「AI LIVE:倫敦」將如何探討人工智慧與工業自動化
本次峰會將匯聚來自全球的高階主管,共同探討全球產業面臨的迫切挑戰,涵蓋範圍從人工智慧驅動的顛覆性變革到經濟波動。AI LIVE:倫敦峰會將以「科技+人類使命」為主題,匯聚逾 2,000 位國際領袖,共同探討人工智慧新興時代的發展。隸屬於 BizClik 旗下的《AI Magazine》已公佈其於「AI LIVE:倫敦峰會」上舉辦的「人工智慧與工業自動化」聯合爐邊談話的與會陣容。該座談會定於 10
相關專題推薦
評論 (21)
0/500
AlphaFold 3 sounds like a game-changer! Predicting molecular interactions could speed up drug discovery big time. Curious how it stacks up against traditional lab methods. 🧬
AlphaFold 3 sounds like a game-changer! Predicting molecular interactions with such precision could really speed up drug discovery. I'm curious how it stacks up against traditional lab methods in terms of cost and time. Anyone know? 🤔
AlphaFold 3 sounds like a game-changer! Predicting molecular interactions could speed up drug discovery big time. Excited to see how it shapes medical breakthroughs! 🚀
AlphaFold 3 sounds like a game-changer! Predicting molecular interactions could speed up drug discovery big time. Curious how it stacks against human researchers—will it outsmart us or just make our coffee breaks longer? 😄
AlphaFold 3 sounds like a game-changer! Predicting molecular interactions with such precision could unlock new frontiers in medicine. But I wonder, will this tech stay accessible to all researchers, or get locked behind paywalls? 🤔

自2020年推出以來,已有超過200萬研究人員使用Google DeepMind的AlphaFold 2預測蛋白質結構,助力疫苗開發與癌症治療等突破。該模型解決了困擾科學家半世紀以上的難題。但Google DeepMind團隊未止步於此;他們未沉醉於榮譽,而是捲起袖子開始研發AlphaFold 3。
由Google DeepMind與Isomorphic Labs於五月推出,AlphaFold 3更上一層樓。它不僅預測蛋白質摺疊,還能預測各種生命分子的結構與相互作用,包括DNA、RNA和配體——那些與蛋白質結合的微小分子。
「有了AlphaFold 2,我們在解決蛋白質摺疊難題上取得了巨大進展,但科學界已轉向更複雜的問題,」Google DeepMind研究科學家Jonas Adler解釋。「研究人員現在深入探討小分子如何結合,或RNA如何運作等AlphaFold 2無法勝任的領域。為了跟上生物學與化學的最新進展,我們需要一款能處理各種生物分子的工具。」
這裡的「一切」包括配體,因其構成約一半的藥物而至關重要。「在Isomorphic Labs,我們看到AlphaFold 3在理性藥物設計上的巨大潛力,我們已每天應用它,」Isomorphic Labs研究領導者Adrian Stecula說。「我們正在探索新小分子如何與新藥靶點結合,研究蛋白質與DNA、RNA的相互作用,以及化學調整如何影響蛋白質結構——新模型開啟了所有這些可能性。」
納入這些額外的分子類型意味著要處理更多的組合。「蛋白質相對簡單,只有20種標準氨基酸,」Jonas指出。「但小分子?它們無處不在,可能性無窮。它們極其多樣。」
「這就像是分子複合物的Google Maps,」Google DeepMind研究工程師Lindsay Willmore說。「即使你不是程式設計師,也只需複製貼上你的蛋白質、DNA、RNA或小分子序列,按下按鈕,等幾分鐘,就能得到結構以及信心度量,幫助你評估預測的準確性。」
為了讓AlphaFold 3適用於如此廣泛的生物分子,團隊擴展了訓練數據,包括DNA、RNA、小分子等。「我們想,『為什麼不利用數據集中幫助我們研究蛋白質的所有內容,看看能走多遠?』」Lindsay解釋。「結果,我們走得很遠。」
AlphaFold 3的關鍵變化在於生成結構的最後部分。AlphaFold 2使用了複雜的幾何模組,而AlphaFold 3改用基於擴散的簡單生成模型,類似於其他先進的圖像生成模型如Imagen。這一變化簡化了模型處理新型分子的方式。
然而,這一轉變帶來了新挑戰:擴散模型會錯誤地為實際上「無序」的蛋白質區域創建「有序」結構——就像試圖將一堆混亂的義大利麵整理成整齊的螺旋。
因此,團隊轉向AlphaFold 2,其擅長預測這些無序相互作用。「我們用AlphaFold 2的預測來訓練AlphaFold 3,教它識別和預測無序,」Lindsay說。
「我們有句話:『相信螺旋麵,拒絕直麵,』」Jonas笑著補充。
團隊期待看到AlphaFold 3在基因組學和藥物設計等領域的應用。「看到我們走了多遠,真是令人驚嘆,」Jonas說。「曾經困難的現在變得簡單,曾經不可能的現在觸手可及。仍有難題待解,但我們對AlphaFold 3能幫助我們實現的感到興奮。」
奧利押注隱私保護,力爭在 AI 助理競賽中勝出
要真正發揮實用價值,人工智慧助理必須深入了解其使用者。Ollie 是一款專為日常生活設計的個人助理,其運作前提是:這無需您交出個人資料,亦不會損害您的隱私。雖然某些企業級 AI 工具提供資料隱私保障,但 Ollie 作為首批獲得 SOC 2 合規認證的主流、以家庭為導向的 AI 服務之一,顯得格外突出。此框架允許企業透過獨立稽核證明,其已建立正式的管控措施來保護客戶資料,並確保系統運作的安全性。達
「AI LIVE:倫敦」將如何探討人工智慧與工業自動化
本次峰會將匯聚來自全球的高階主管,共同探討全球產業面臨的迫切挑戰,涵蓋範圍從人工智慧驅動的顛覆性變革到經濟波動。AI LIVE:倫敦峰會將以「科技+人類使命」為主題,匯聚逾 2,000 位國際領袖,共同探討人工智慧新興時代的發展。隸屬於 BizClik 旗下的《AI Magazine》已公佈其於「AI LIVE:倫敦峰會」上舉辦的「人工智慧與工業自動化」聯合爐邊談話的與會陣容。該座談會定於 10
AlphaFold 3 sounds like a game-changer! Predicting molecular interactions could speed up drug discovery big time. Curious how it stacks up against traditional lab methods. 🧬
AlphaFold 3 sounds like a game-changer! Predicting molecular interactions with such precision could really speed up drug discovery. I'm curious how it stacks up against traditional lab methods in terms of cost and time. Anyone know? 🤔
AlphaFold 3 sounds like a game-changer! Predicting molecular interactions could speed up drug discovery big time. Excited to see how it shapes medical breakthroughs! 🚀
AlphaFold 3 sounds like a game-changer! Predicting molecular interactions could speed up drug discovery big time. Curious how it stacks against human researchers—will it outsmart us or just make our coffee breaks longer? 😄
AlphaFold 3 sounds like a game-changer! Predicting molecular interactions with such precision could unlock new frontiers in medicine. But I wonder, will this tech stay accessible to all researchers, or get locked behind paywalls? 🤔





首頁






