“ Alphafold 3:革新分子结构和相互作用预测”

自2020年推出以来,超过200万研究人员使用Google DeepMind的AlphaFold 2预测蛋白质结构,助力疫苗开发和癌症治疗等突破。该模型解决了半个多世纪以来困扰科学家的难题。但Google DeepMind团队并未止步;他们没有满足于已有成就,而是卷起袖子开始研发AlphaFold 3。
Google DeepMind和Isomorphic Labs于五月推出AlphaFold 3,进一步提升了性能。它不仅预测蛋白质折叠,还能预测DNA、RNA和配体等生命分子结构及其相互作用,配体是附着在蛋白质上的小分子。
“AlphaFold 2在解决蛋白质折叠难题上取得了巨大进展,但科学界已转向更复杂的问题,”Google DeepMind研究科学家Jonas Adler解释说。“研究人员现在深入研究小分子如何结合、RNA如何工作等领域,这些是AlphaFold 2的短板。为了跟上生物学和化学的最新进展,我们需要一个能处理各种生物分子的工具。”
这里的“所有”包括配体,因其构成约一半的药物而至关重要。“在Isomorphic Labs,我们看到AlphaFold 3在理性药物设计中的巨大潜力,我们已每天使用它,”Isomorphic Labs研究负责人Adrian Stecula说。“我们探索新小分子如何与新药物靶点结合,研究蛋白质与DNA、RNA的相互作用,以及化学调整如何影响蛋白质结构——新模型开启了所有这些可能性。”
纳入这些额外分子类型意味着要处理更多组合。“蛋白质很简单,只有20种标准氨基酸,”Jonas指出。“但小分子?它们千差万别,可能性无穷,极其多样。”
意识到全面数据库不可行,团队推出了AlphaFold Server。这一免费工具让科学家输入自己的序列,AlphaFold生成分子复合物。自五月上线以来,已用于创建超过100万个结构。
“这就像分子复合物的Google Maps,”Google DeepMind研究工程师Lindsay Willmore说。“即使你不是程序员,也可以复制粘贴蛋白质、DNA、RNA或小分子序列,点击按钮,等待几分钟。你会得到结构及置信度指标,帮助评估预测的准确性。”
为使AlphaFold 3适应多种生物分子,团队扩展了训练数据,包括DNA、RNA、小分子等。“我们想,‘为什么不利用数据集中的所有内容来训练,看能走多远?’”Lindsay解释说。“结果,我们走得很远。”
AlphaFold 3的关键变化在于生成结构的最后部分。AlphaFold 2使用复杂的基于几何的模块,而AlphaFold 3切换到基于扩散的简单生成模型,类似于Imagen等高级图像生成模型。这一变化简化了处理新型分子方式。
然而,这一转变带来了新挑战:扩散模型会错误地为实际“无序”的蛋白质区域创建“有序”结构——想象试图将一堆杂乱的意大利面整理成整齐的螺旋。
因此,团队转向AlphaFold 2,它擅长预测这些无序相互作用。“我们用AlphaFold 2的预测来训练AlphaFold 3,教它识别和预测无序,”Lindsay说。
“我们有句谚语:‘相信螺旋面,拒绝意大利面,’”Jonas笑着补充道。
AlphaFold 3的预测示例,蓝色显示有序的“螺旋面”区域,橙色显示无序的“意大利面”区域。颜色表示模型对预测准确性的置信度。
团队对AlphaFold 3在基因组学和药物设计领域的应用感到兴奋。“看到我们走了多远真令人惊叹,”Jonas说。“曾经困难的现在变得简单,曾经不可能的现在触手可及。仍有难题待解,但我们对AlphaFold 3能帮助我们实现的目标感到激动。”
相关文章
Google 测试 Remy AI 代理,以 Gemini 为重点转向用户控制
根据《商业内幕》的报道,谷歌正在测试 Remy,这是 Gemini 的一款全新 AI 个人代理工具。该工具旨在代表用户执行任务,从而简化专业工作流程和日常事务。目前,Remy 正在 Gemini 应用的内部员工专属版本中进行测试。该报告引用了一份内部文件以及对两位熟悉该项目的个人的采访。内部资料将 Remy 描述为“全天候个人代理”,将 Gemini 定位为能够代表用户行事的主动助手。接近该项目的消息人士证实,谷歌员工正在积极测试 Remy。谷歌发言人拒绝提供进一步评论。该报告未提及公开发布
奥利押注隐私保护,力争在AI助手竞争中胜出
要真正发挥帮助作用,人工智能助手必须深刻理解其用户。Ollie 是一款专为日常生活设计的个人助理,其运作理念是:实现这一点无需用户交出数据,也不会损害用户的隐私。虽然某些企业级人工智能工具提供了数据隐私保护措施,但Ollie作为首批通过SOC 2认证的主流、面向家庭的人工智能服务之一,尤为突出。该认证框架允许企业通过独立审计证明,其已建立正式的控制措施来保护客户数据,并确保系统安全运行。达成这一里
AI LIVE:伦敦将如何探讨人工智能与工业自动化
本次峰会将汇聚来自全球的高管,共同探讨全球各行业面临的紧迫挑战,涵盖从人工智能驱动的颠覆性变革到经济波动等各个方面。AI LIVE:伦敦峰会将以“技术与人类使命”为主题,汇聚2,000余位国际领袖,共同探讨人工智能的新时代。BizClik旗下品牌《AI Magazine》已公布其在“AI LIVE:伦敦峰会”上举办的关于人工智能与工业自动化的联合炉边谈话环节阵容。该专题讨论会定于10月20日在伦敦
相关专题推荐
评论 (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年推出以来,超过200万研究人员使用Google DeepMind的AlphaFold 2预测蛋白质结构,助力疫苗开发和癌症治疗等突破。该模型解决了半个多世纪以来困扰科学家的难题。但Google DeepMind团队并未止步;他们没有满足于已有成就,而是卷起袖子开始研发AlphaFold 3。
Google DeepMind和Isomorphic Labs于五月推出AlphaFold 3,进一步提升了性能。它不仅预测蛋白质折叠,还能预测DNA、RNA和配体等生命分子结构及其相互作用,配体是附着在蛋白质上的小分子。
“AlphaFold 2在解决蛋白质折叠难题上取得了巨大进展,但科学界已转向更复杂的问题,”Google DeepMind研究科学家Jonas Adler解释说。“研究人员现在深入研究小分子如何结合、RNA如何工作等领域,这些是AlphaFold 2的短板。为了跟上生物学和化学的最新进展,我们需要一个能处理各种生物分子的工具。”
这里的“所有”包括配体,因其构成约一半的药物而至关重要。“在Isomorphic Labs,我们看到AlphaFold 3在理性药物设计中的巨大潜力,我们已每天使用它,”Isomorphic Labs研究负责人Adrian Stecula说。“我们探索新小分子如何与新药物靶点结合,研究蛋白质与DNA、RNA的相互作用,以及化学调整如何影响蛋白质结构——新模型开启了所有这些可能性。”
纳入这些额外分子类型意味着要处理更多组合。“蛋白质很简单,只有20种标准氨基酸,”Jonas指出。“但小分子?它们千差万别,可能性无穷,极其多样。”
“这就像分子复合物的Google Maps,”Google DeepMind研究工程师Lindsay Willmore说。“即使你不是程序员,也可以复制粘贴蛋白质、DNA、RNA或小分子序列,点击按钮,等待几分钟。你会得到结构及置信度指标,帮助评估预测的准确性。”
为使AlphaFold 3适应多种生物分子,团队扩展了训练数据,包括DNA、RNA、小分子等。“我们想,‘为什么不利用数据集中的所有内容来训练,看能走多远?’”Lindsay解释说。“结果,我们走得很远。”
AlphaFold 3的关键变化在于生成结构的最后部分。AlphaFold 2使用复杂的基于几何的模块,而AlphaFold 3切换到基于扩散的简单生成模型,类似于Imagen等高级图像生成模型。这一变化简化了处理新型分子方式。
然而,这一转变带来了新挑战:扩散模型会错误地为实际“无序”的蛋白质区域创建“有序”结构——想象试图将一堆杂乱的意大利面整理成整齐的螺旋。
因此,团队转向AlphaFold 2,它擅长预测这些无序相互作用。“我们用AlphaFold 2的预测来训练AlphaFold 3,教它识别和预测无序,”Lindsay说。
“我们有句谚语:‘相信螺旋面,拒绝意大利面,’”Jonas笑着补充道。
团队对AlphaFold 3在基因组学和药物设计领域的应用感到兴奋。“看到我们走了多远真令人惊叹,”Jonas说。“曾经困难的现在变得简单,曾经不可能的现在触手可及。仍有难题待解,但我们对AlphaFold 3能帮助我们实现的目标感到激动。”
奥利押注隐私保护,力争在AI助手竞争中胜出
要真正发挥帮助作用,人工智能助手必须深刻理解其用户。Ollie 是一款专为日常生活设计的个人助理,其运作理念是:实现这一点无需用户交出数据,也不会损害用户的隐私。虽然某些企业级人工智能工具提供了数据隐私保护措施,但Ollie作为首批通过SOC 2认证的主流、面向家庭的人工智能服务之一,尤为突出。该认证框架允许企业通过独立审计证明,其已建立正式的控制措施来保护客户数据,并确保系统安全运行。达成这一里
AI LIVE:伦敦将如何探讨人工智能与工业自动化
本次峰会将汇聚来自全球的高管,共同探讨全球各行业面临的紧迫挑战,涵盖从人工智能驱动的颠覆性变革到经济波动等各个方面。AI LIVE:伦敦峰会将以“技术与人类使命”为主题,汇聚2,000余位国际领袖,共同探讨人工智能的新时代。BizClik旗下品牌《AI Magazine》已公布其在“AI LIVE:伦敦峰会”上举办的关于人工智能与工业自动化的联合炉边谈话环节阵容。该专题讨论会定于10月20日在伦敦
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? 🤔





首页






