Option
Heim
Nachricht
"Alphafold 3: revolutionieren molekulare Struktur und Interaktionsvorhersage"

"Alphafold 3: revolutionieren molekulare Struktur und Interaktionsvorhersage"

10. April 2025
51

"Alphafold 3: revolutionieren molekulare Struktur und Interaktionsvorhersage"

Seit seiner Einführung im Jahr 2020 haben sich über 2 Millionen Forscher Alphafold 2 von Google Deepmind zu den Proteinstrukturen gewandt, die in Durchbrüchen wie Impfstoffentwicklung und Krebsbehandlungen unterstützt werden. Dieses Modell nahm eine Herausforderung an, die Wissenschaftler seit über einem halben Jahrhundert verblüfft hatte. Aber das Team von Google DeepMind hat hier nicht aufgehört. Anstatt sich auf ihren Lorbeeren auszuruhen, rollten sie die Ärmel hoch und begannen an Alphafold 3 zu arbeiten.

Alphafold 3 wurde im Mai von Google DeepMind und isomorphen Labors gestartet und nimmt die Dinge ein. Es prognostiziert nicht nur die Proteinfaltung; Es prognostiziert auch die Struktur und Wechselwirkungen aller Arten von Lebensmolekülen, einschließlich DNA, RNA und Liganden - die winzigen Moleküle, die sich an Proteine ​​befinden.

"Mit Alphafold 2 haben wir große Fortschritte bei der Lösung des Proteinfaltungsrätsels unternommen, aber die wissenschaftliche Gemeinschaft hat sich zu komplexeren Dingen übergegangen", erklärt Jonas Adler, Forschungswissenschaftler bei Google DeepMind. "Die Forscher tauchen nun in Details ein, wie kleine Moleküle binden oder wie RNA funktioniert, Bereiche, in denen Alphafold 2 zu kurz gekommen ist. Um mit dem neuesten Biologie und Chemie Schritt zu halten, brauchten wir ein Tool, das alle Arten von Biomolekülen bewältigen konnte."

"Alles" hier enthält Liganden, die entscheidend sind, weil sie etwa die Hälfte aller Drogen ausmachen. "Bei isomorphen Labors sehen wir das enorme Potenzial von Alphafold 3 für die Gestaltung von Medikamenten rational und setzen es bereits jeden Tag an", sagt Adrian Stecula, Forschungsleiter bei isomorphen Labors. "Wir untersuchen, wie neue kleine Moleküle an neue Arzneimittelziele binden, herausfinden, wie Proteine ​​mit DNA und RNA interagieren, und untersuchen, wie chemische Verbesserungen die Proteinstrukturen beeinflussen - das neue Modell eröffnet all diese Möglichkeiten."

Durch die Einbeziehung dieser zusätzlichen Molekültypen zu handeln, bedeutete der Umgang mit einer Tonne mehr Kombinationen. "Proteine ​​sind ziemlich unkompliziert; es gibt nur 20 Standard -Aminosäuren", bemerkt Jonas. "Aber kleine Moleküle? Sie sind überall mit endlosen Möglichkeiten. Sie sind super unterschiedlich."

Als das Team erkannte, dass eine umfassende Datenbank nicht in Frage stellte, hat das Team Alphafold Server gestartet. Mit diesem kostenlosen Tool können Wissenschaftler ihre eigenen Sequenzen eingeben, und Alphafold erzeugt die molekularen Komplexe für sie. Seit dem Live im Mai wurde es verwendet, um über 1 Million Strukturen zu schaffen.

"Es ist wie bei Google Maps, aber für molekulare Komplexe", sagt Lindsay Willmore, Forschungsingenieur bei Google DeepMind. "Auch wenn Sie kein Codierer sind, können Sie einfach Ihr Protein, DNA, RNA oder kleine Moleküle kopieren und einfügen, einen Knopf drücken und einige Minuten warten. Sie erhalten Ihre Struktur zusammen mit Vertrauensmetriken, um die Vorhersage zu bewerten."

Um Alphafold 3 mit einer so breiten Palette von Biomolekülen zu arbeiten, erweiterte das Team die Trainingsdaten um DNA, RNA, kleine Moleküle und mehr. "Wir haben uns gedacht, 'Warum nicht in unserem Datensatz auf alles trainieren, was uns mit Proteinen half und sehen, wie weit wir gehen können?'", Erklärt Lindsay. "Es stellt sich heraus, dass wir ziemlich weit gegangen sind."

Eine Schlüsseländerung in Alphafold 3 war im letzten Teil des Modells, der die Struktur erzeugt. Während Alphafold 2 ein komplexes benutzerdefiniertes Geometrie-basiertes Modul verwendete, schaltete Alphafold 3 auf ein einfacheres generatives Modell, das auf Diffusion basiert, ähnlich wie andere fortschrittliche Bildgenerierungsmodelle wie Imaging. Diese Veränderung wurde optimiert, wie das Modell mit den neuen Arten von Molekülen umgeht.

Diese Verschiebung brachte jedoch eine neue Herausforderung: Das Diffusionsmodell würde fälschlicherweise eine "geordnete" Struktur für Proteinregionen erzeugen, die tatsächlich "ungeordnet" sind - denken Sie daran, als versuchte, einen Haufen chaotischer Spaghetti in eine ordentliche Spirale zu organisieren.

Das Team wandte sich also an Alphafold 2, das sich bei der Vorhersage dieser ungeordneten Wechselwirkungen auszeichnet. "Wir haben diese Vorhersagen von Alphafold 2 verwendet, um Alphafold 3 auszubilden und sie zu erkennen und eine Störung vorherzusagen", sagt Lindsay.

"Wir haben das Sprichwort: 'Vertraue dem Fusilli, lehne die Spaghetti ab'", fügt Jonas mit einem Kichern hinzu.

Ein Beispiel für eine Vorhersage von Alphafold 3, die geordnete „Fusilli“ -Regionen in blauen und ungeordneten „Spaghetti“ -Regionen in Orange zeigt. Die Farben zeigen das Vertrauen des Modells in die Genauigkeit der Vorhersage.

Das Team ist begeistert zu sehen, wie Alphafold 3 in Bereichen wie Genomik und Drogendesign verwendet wird. "Es ist erstaunlich zu sehen, wie weit wir gekommen sind", sagt Jonas. "Was einst hart war, ist jetzt einfach und was unmöglich war, ist jetzt in Reichweite. Es gibt immer noch harte Nüsse zu knacken, aber wir sind begeistert darüber, was Alphafold 3 uns helfen kann."

Verwandter Artikel
亿万富翁讨论在本周AI更新中自动化取代工作 亿万富翁讨论在本周AI更新中自动化取代工作 大家好,欢迎回到TechCrunch的AI通讯!如果您尚未订阅,可以在这里注册,每周三直接送达您的收件箱。我们上周稍作休息,但原因充分——AI新闻周期火爆,很大程度上归功于中国AI公司DeepSeek的突然崛起。这段时间真是旋风般忙碌,但我们现在回来了,正好为您带来OpenAI的最新动态。周末,OpenAI首席执行官Sam Altman在东京停留,与SoftBank掌门人孙正义会面。SoftBan
NotebookLM应用上线:AI驱动的知识工具 NotebookLM应用上线:AI驱动的知识工具 NotebookLM移动端上线:您的人工智能研究助手现已登陆安卓和iOS平台 NotebookLM的受欢迎程度令我们惊叹不已——数百万用户已将其作为处理复杂信息的首选工具。但有一个问题被反复提及:"我们什么时候能在移动端使用NotebookLM?" 现在,等待结束了!🎉 NotebookLM移动应用现已登陆安卓和iOS平台,将AI辅助学习的强大功能装进您
谷歌的人工智能未来基金可能需要谨慎行事 谷歌的人工智能未来基金可能需要谨慎行事 谷歌的新AI投资计划:监管审查中的战略转变谷歌最近宣布成立的人工智能未来基金标志着这家科技巨头在塑造人工智能未来的过程中迈出了大胆一步。这项计划旨在为初创企业提供急需的资金、早期接触仍在开发中的尖端AI模型以及来自谷歌内部专家的指导。虽然这不是谷歌首次涉足初创企业生态系统——到目前为止,它已经投资了38家AI公司,包括备受瞩目的收购案如DeepMind、Wa
Kommentare (15)
0/200
GeorgeMartinez
GeorgeMartinez 10. April 2025 00:00:00 GMT

AlphaFold 3 is mind-blowing! It's incredible how it's helping with vaccine development and cancer treatments. I'm not a scientist, but even I can see the potential here. The only thing is, it's a bit complex for non-experts. Still, a huge leap forward!

RoySmith
RoySmith 10. April 2025 00:00:00 GMT

AlphaFold 3は驚くべきツールです!ワクチン開発やがん治療に役立っているなんて信じられません。私は科学者ではありませんが、その可能性が見て取れます。ただ、専門家以外には少し複雑かもしれません。それでも、大きな進歩ですね!

WilliamCarter
WilliamCarter 10. April 2025 00:00:00 GMT

AlphaFold 3은 정말 놀랍습니다! 백신 개발과 암 치료에 도움이 된다는 것이 믿기지 않아요. 저는 과학자가 아니지만, 그 가능성을 느낄 수 있어요. 다만, 전문가가 아닌 사람에게는 조금 복잡할 수 있어요. 그래도 큰 도약입니다!

JustinWilliams
JustinWilliams 10. April 2025 00:00:00 GMT

AlphaFold 3 é impressionante! É incrível como está ajudando no desenvolvimento de vacinas e tratamentos contra o câncer. Não sou cientista, mas até eu posso ver o potencial aqui. A única coisa é que é um pouco complexo para não especialistas. Ainda assim, um grande avanço!

WalterThomas
WalterThomas 10. April 2025 00:00:00 GMT

¡AlphaFold 3 es alucinante! Es increíble cómo está ayudando en el desarrollo de vacunas y tratamientos contra el cáncer. No soy científico, pero incluso yo puedo ver el potencial aquí. Lo único es que es un poco complejo para los no expertos. Aún así, un gran avance!

WillLopez
WillLopez 11. April 2025 00:00:00 GMT

AlphaFold 3 is a lifesaver for us in the lab! It's mind-blowing how it predicts molecular structures so accurately. Helped us speed up our research big time. Only wish it was a bit faster, but hey, can't complain too much about a tool that's changing the game!

Zurück nach oben
OR