Maison
Alphafold 3: prédire toutes les structures et interactions de la vie des molécules de vie

À l'intérieur de chaque cellule végétale, animale et humaine, il existe un monde grouillant de machines moléculaires. Ces machines, composées de protéines, d'ADN et d'autres molécules, n'agissent pas seules. Ce n'est qu'en comprenant leurs interactions à travers d'innombrables combinaisons que nous pouvons véritablement saisir l'essence des processus de la vie.
Dans un article récent publié dans *Nature*, nous avons dévoilé AlphaFold 3, un modèle révolutionnaire qui prédit la structure et les interactions de toutes les molécules du vivant avec une précision sans précédent. En ce qui concerne les interactions des protéines avec d'autres types de molécules, AlphaFold 3 offre une amélioration d'au moins 50 % par rapport aux méthodes existantes. Pour certaines interactions clés, nous avons même doublé la précision de nos prédictions.
Nous sommes enthousiasmés par le potentiel d'AlphaFold 3 à révolutionner notre compréhension de la biologie et à accélérer la découverte de médicaments. Les scientifiques peuvent désormais exploiter la plupart de ses capacités gratuitement via notre nouveau serveur AlphaFold, un outil de recherche convivial. Isomorphic Labs collabore déjà avec des entreprises pharmaceutiques pour appliquer AlphaFold 3 à des défis de conception de médicaments réels, visant à développer de nouveaux traitements qui pourraient changer des vies.
AlphaFold 3 s'appuie sur le succès d'AlphaFold 2, qui, en 2020, a transformé la prédiction de la structure des protéines. Depuis lors, des millions de chercheurs dans le monde ont utilisé AlphaFold 2 pour réaliser des percées dans des domaines comme les vaccins contre le paludisme, les traitements contre le cancer et la conception d'enzymes. AlphaFold a été cité plus de 20 000 fois et a reçu de nombreux prix, dont le Breakthrough Prize in Life Sciences. Avec AlphaFold 3, nous élargissons notre focus au-delà des protéines à une vaste gamme de biomolécules, ouvrant des possibilités pour une science encore plus révolutionnaire — du développement de matériaux durables et de cultures résilientes à l'accélération de la conception de médicaments et de la recherche en génomique.
7PNM - Protéine de pointe d’un virus du rhume (Coronavirus OC43) : La prédiction structurelle d’AlphaFold 3 pour une protéine de pointe (bleu) d’un virus du rhume en interaction avec des anticorps (turquoise) et des sucres simples (jaune) correspond précisément à la structure réelle (gris). L’animation montre la protéine interagissant avec un anticorps, puis un sucre. Faire progresser notre connaissance de ces processus du système immunitaire aide à mieux comprendre les coronavirus, y compris le COVID-19, ouvrant des perspectives pour des traitements améliorés.
Comment AlphaFold 3 révèle les molécules du vivant
----------------------------------------
Étant donné une liste de molécules, AlphaFold 3 génère leur structure 3D conjointe, montrant comment elles s’assemblent. Il peut modéliser de grandes biomolécules comme les protéines, l’ADN et l’ARN, ainsi que de plus petites molécules, ou ligands, qui incluent de nombreux médicaments. De plus, AlphaFold 3 peut prédire les modifications chimiques de ces molécules, essentielles au fonctionnement sain des cellules et pouvant entraîner des maladies si perturbées.
La prouesse d’AlphaFold 3 provient de son architecture avancée et de son entraînement, qui englobe désormais toutes les molécules du vivant. Au cœur de celle-ci se trouve une version améliorée de notre module Evoformer, l’architecture d’apprentissage profond qui a alimenté le succès d’AlphaFold 2. Après avoir traité les entrées, AlphaFold 3 utilise un réseau de diffusion, similaire à ceux des générateurs d’images AI, pour assembler ses prédictions. Ce processus commence par un nuage d’atomes et le raffine progressivement pour obtenir la structure moléculaire la plus précise.
Les prédictions d’interactions moléculaires d’AlphaFold 3 sont plus précises que celles de tout système existant. En tant que modèle unique qui calcule intégralement des complexes moléculaires entiers, il est idéalement positionné pour unifier les connaissances scientifiques.
7R6R - Protéine de liaison à l’ADN : La prédiction d’AlphaFold 3 pour un complexe moléculaire comportant une protéine (bleu) liée à une double hélice d’ADN (rose) correspond presque parfaitement à la structure moléculaire réelle découverte par des expériences laborieuses (gris).
Leader de la découverte de médicaments chez Isomorphic Labs
-----------------------------------------
AlphaFold 3 ouvre de nouvelles possibilités pour la conception de médicaments en prédisant comment les molécules couramment utilisées dans les médicaments, comme les ligands et les anticorps, interagissent avec les protéines pour influencer la santé humaine et les maladies.
AlphaFold 3 atteint une précision inégalée dans la prédiction des interactions de type médicamenteux, y compris la manière dont les protéines se lient aux ligands et dont les anticorps interagissent avec leurs protéines cibles. Il est 50 % plus précis que les meilleures méthodes traditionnelles sur le benchmark PoseBusters, et il n’a besoin d’aucune information structurelle pour commencer. Cela fait d’AlphaFold 3 le premier système AI à surpasser les outils basés sur la physique pour la prédiction de structures biomoléculaires. Comprendre la liaison des anticorps aux protéines est crucial pour obtenir des informations sur la réponse immunitaire humaine et pour concevoir de nouveaux anticorps, de plus en plus importants en médecine.
Isomorphic Labs utilise AlphaFold 3, ainsi que d’autres modèles AI internes, pour améliorer la conception de médicaments pour des projets internes et des collaborations avec des partenaires pharmaceutiques. Cette approche nous aide à aborder de nouvelles cibles de maladies et à trouver des moyens innovants de traiter celles qui étaient auparavant inaccessibles.
Serveur AlphaFold : Un outil de recherche gratuit et facile à utiliser
------------------------------------------------------
8AW3 - Protéine modifiant l’ARN : La prédiction d’AlphaFold 3 pour un complexe moléculaire comportant une protéine (bleu), un brin d’ARN (violet) et deux ions (jaune) correspond étroitement à la structure réelle (gris). Ce complexe est impliqué dans la création d’autres protéines — un processus cellulaire fondamental pour la vie et la santé.
Le serveur AlphaFold récemment lancé par Google DeepMind est l’outil le plus précis au monde pour prédire comment les protéines interagissent avec d’autres molécules dans la cellule. C’est une plateforme gratuite disponible pour les scientifiques du monde entier pour des recherches non commerciales. En quelques clics, les biologistes peuvent utiliser AlphaFold 3 pour modéliser des structures composées de protéines, d’ADN, d’ARN et d’une sélection de ligands, d’ions et de modifications chimiques.
Le serveur AlphaFold aide les scientifiques à générer de nouvelles hypothèses à tester en laboratoire, accélérant leurs recherches et favorisant l’innovation. Notre plateforme facilite la création de prédictions pour les chercheurs, quel que soit leur accès aux ressources informatiques ou leur expertise en apprentissage automatique.
La prédiction expérimentale de la structure des protéines peut prendre autant de temps qu’un doctorat et coûter une fortune. Notre modèle précédent, AlphaFold 2, a été utilisé pour prédire des centaines de millions de structures, une tâche qui aurait pris des centaines de millions d’années-chercheur au rythme actuel de la biologie structurale expérimentale.
Partager le pouvoir d’AlphaFold 3 de manière responsable
--------------------------------------------
À chaque sortie d’AlphaFold, nous avons cherché à comprendre l’impact global de la technologie, en collaborant avec la communauté de recherche et de sécurité. Nous adoptons une approche scientifique et avons effectué des évaluations approfondies pour minimiser les risques potentiels tout en maximisant les bénéfices pour la biologie et l’humanité.
S’appuyant sur les consultations menées pour AlphaFold 2, nous avons maintenant engagé plus de 50 experts dans divers domaines, ainsi que des tiers spécialisés, dans les secteurs de la biosécurité, de la recherche et de l’industrie, pour évaluer les capacités et les risques potentiels des modèles successifs d’AlphaFold. Nous avons également participé à des forums et discussions à l’échelle de la communauté avant le lancement d’AlphaFold 3.
Le serveur AlphaFold reflète notre engagement à partager les bénéfices d’AlphaFold, y compris notre base de données gratuite de 200 millions de structures de protéines. Nous élargissons notre cours en ligne gratuit sur l’éducation AlphaFold avec EMBL-EBI et collaborons avec des organisations du Sud global pour équiper les scientifiques des outils nécessaires pour accélérer l’adoption et la recherche, en particulier dans des domaines sous-financés comme les maladies négligées et la sécurité alimentaire. Nous continuerons à travailler avec la communauté scientifique et les décideurs politiques pour développer et déployer des technologies AI de manière responsable.
Ouvrir l’avenir de la biologie cellulaire alimentée par l’AI
------------------------------------------------
7BBV - Enzyme : La prédiction d’AlphaFold 3 pour un complexe moléculaire comportant une protéine enzymatique (bleu), un ion (sphère jaune) et des sucres simples (jaune), ainsi que la structure réelle (gris). Cette enzyme se trouve dans un champignon tellurique (Verticillium dahliae) qui endommage une large gamme de plantes. Les connaissances sur la manière dont cette enzyme interagit avec les cellules végétales pourraient aider les chercheurs à développer des cultures plus saines et plus résilientes.
AlphaFold 3 met le monde biologique en lumière. Il permet aux scientifiques de voir les systèmes cellulaires dans toute leur complexité, à travers les structures, les interactions et les modifications. Cette nouvelle perspective sur les molécules du vivant révèle leur interconnectivité et aide à comprendre comment ces connexions influencent les fonctions biologiques — comme le fonctionnement des médicaments, la production d’hormones et la réparation de l’ADN qui nous maintient en bonne santé.
L’impact d’AlphaFold 3 et de notre serveur AlphaFold gratuit se verra dans la manière dont ils permettent aux scientifiques d’accélérer les découvertes à travers des questions ouvertes en biologie et de nouveaux domaines de recherche. Nous commençons tout juste à explorer le potentiel d’AlphaFold 3, et nous sommes enthousiastes à l’idée de voir ce que l’avenir nous réserve.
Mise à jour du 11 novembre 2024 : Depuis novembre 2024, nous avons publié le code et les poids du modèle AlphaFold 3 pour un usage académique afin d’avancer la recherche. En savoir plus sur les outils AlphaFold.
Article connexe
Stripe va acquérir OpenRouter alors que le routage basé sur des modèles d'IA prend de l'ampleur
Stripe a conclu un accord en vue d’acquérir OpenRouter, une plateforme de routage de modèles d’IA qui permet aux développeurs d’accéder à des centaines de modèles via une interface unique. Cette acqui
Les aperçus d'IA de Google gagnent du terrain dans les résultats de recherche
Selon le rapport 2026 sur le paysage de l'intelligence artificielle générative de Similarweb, les résumés générés par l'IA de Google sont apparus dans 43 % des recherches aux États-Unis, une hausse significative par rapport aux 15 % enregistrés un an
Empirik, soutenue par Sequoia, lève 21 millions de dollars pour prévoir les pannes avant qu'elles ne se produisent
Avant de rejoindre Sequoia Capital en 2020 en tant que directeur numérique et de l'information, Avon Puri a passé plus d'une décennie à diriger les infrastructures chez Rubrik et VMware. Il y a trois
Recommandations de sujets spéciaux liés
commentaires (40)
How does AlphaFold 3 handle the sheer complexity of all those molecular combinations? Mind-blowing stuff! 🤯
結構な精度を誇るようだけど、AlphaFoldが分子間相互作用まで予測できるって、これで創薬研究めちゃくちゃ加速しそう!でもAIの”ブラックボックス”予測をどう医療現場に持ち込むか、説明責任や臨床審査の壁は依然として大きいよね...😅 これからの議論の行方が気になるわ。
Je suis impressionné par AlphaFold 3 ! 🧬 Comprendre les interactions moléculaires pourrait révolutionner la médecine, mais ça soulève aussi des questions éthiques sur la modification du vivant. Est-ce qu'on va trop loin ?
Mind-blowing how AlphaFold 3 maps out life's molecular dance! 🧬 Curious if this could speed up drug discovery or just make scientists' heads spin with data overload. What's next, predicting my coffee's molecular vibe? 😄
AlphaFold 3 is mind-blowing! Predicting every molecule's structure feels like unlocking the universe’s blueprint. Can’t wait to see how this reshapes drug discovery! 😮

À l'intérieur de chaque cellule végétale, animale et humaine, il existe un monde grouillant de machines moléculaires. Ces machines, composées de protéines, d'ADN et d'autres molécules, n'agissent pas seules. Ce n'est qu'en comprenant leurs interactions à travers d'innombrables combinaisons que nous pouvons véritablement saisir l'essence des processus de la vie.
Dans un article récent publié dans *Nature*, nous avons dévoilé AlphaFold 3, un modèle révolutionnaire qui prédit la structure et les interactions de toutes les molécules du vivant avec une précision sans précédent. En ce qui concerne les interactions des protéines avec d'autres types de molécules, AlphaFold 3 offre une amélioration d'au moins 50 % par rapport aux méthodes existantes. Pour certaines interactions clés, nous avons même doublé la précision de nos prédictions.
Nous sommes enthousiasmés par le potentiel d'AlphaFold 3 à révolutionner notre compréhension de la biologie et à accélérer la découverte de médicaments. Les scientifiques peuvent désormais exploiter la plupart de ses capacités gratuitement via notre nouveau serveur AlphaFold, un outil de recherche convivial. Isomorphic Labs collabore déjà avec des entreprises pharmaceutiques pour appliquer AlphaFold 3 à des défis de conception de médicaments réels, visant à développer de nouveaux traitements qui pourraient changer des vies.
AlphaFold 3 s'appuie sur le succès d'AlphaFold 2, qui, en 2020, a transformé la prédiction de la structure des protéines. Depuis lors, des millions de chercheurs dans le monde ont utilisé AlphaFold 2 pour réaliser des percées dans des domaines comme les vaccins contre le paludisme, les traitements contre le cancer et la conception d'enzymes. AlphaFold a été cité plus de 20 000 fois et a reçu de nombreux prix, dont le Breakthrough Prize in Life Sciences. Avec AlphaFold 3, nous élargissons notre focus au-delà des protéines à une vaste gamme de biomolécules, ouvrant des possibilités pour une science encore plus révolutionnaire — du développement de matériaux durables et de cultures résilientes à l'accélération de la conception de médicaments et de la recherche en génomique.
Comment AlphaFold 3 révèle les molécules du vivant ----------------------------------------
Étant donné une liste de molécules, AlphaFold 3 génère leur structure 3D conjointe, montrant comment elles s’assemblent. Il peut modéliser de grandes biomolécules comme les protéines, l’ADN et l’ARN, ainsi que de plus petites molécules, ou ligands, qui incluent de nombreux médicaments. De plus, AlphaFold 3 peut prédire les modifications chimiques de ces molécules, essentielles au fonctionnement sain des cellules et pouvant entraîner des maladies si perturbées.
La prouesse d’AlphaFold 3 provient de son architecture avancée et de son entraînement, qui englobe désormais toutes les molécules du vivant. Au cœur de celle-ci se trouve une version améliorée de notre module Evoformer, l’architecture d’apprentissage profond qui a alimenté le succès d’AlphaFold 2. Après avoir traité les entrées, AlphaFold 3 utilise un réseau de diffusion, similaire à ceux des générateurs d’images AI, pour assembler ses prédictions. Ce processus commence par un nuage d’atomes et le raffine progressivement pour obtenir la structure moléculaire la plus précise.
Les prédictions d’interactions moléculaires d’AlphaFold 3 sont plus précises que celles de tout système existant. En tant que modèle unique qui calcule intégralement des complexes moléculaires entiers, il est idéalement positionné pour unifier les connaissances scientifiques.
Leader de la découverte de médicaments chez Isomorphic Labs -----------------------------------------
AlphaFold 3 ouvre de nouvelles possibilités pour la conception de médicaments en prédisant comment les molécules couramment utilisées dans les médicaments, comme les ligands et les anticorps, interagissent avec les protéines pour influencer la santé humaine et les maladies.
AlphaFold 3 atteint une précision inégalée dans la prédiction des interactions de type médicamenteux, y compris la manière dont les protéines se lient aux ligands et dont les anticorps interagissent avec leurs protéines cibles. Il est 50 % plus précis que les meilleures méthodes traditionnelles sur le benchmark PoseBusters, et il n’a besoin d’aucune information structurelle pour commencer. Cela fait d’AlphaFold 3 le premier système AI à surpasser les outils basés sur la physique pour la prédiction de structures biomoléculaires. Comprendre la liaison des anticorps aux protéines est crucial pour obtenir des informations sur la réponse immunitaire humaine et pour concevoir de nouveaux anticorps, de plus en plus importants en médecine.
Isomorphic Labs utilise AlphaFold 3, ainsi que d’autres modèles AI internes, pour améliorer la conception de médicaments pour des projets internes et des collaborations avec des partenaires pharmaceutiques. Cette approche nous aide à aborder de nouvelles cibles de maladies et à trouver des moyens innovants de traiter celles qui étaient auparavant inaccessibles.
Serveur AlphaFold : Un outil de recherche gratuit et facile à utiliser
------------------------------------------------------
Le serveur AlphaFold récemment lancé par Google DeepMind est l’outil le plus précis au monde pour prédire comment les protéines interagissent avec d’autres molécules dans la cellule. C’est une plateforme gratuite disponible pour les scientifiques du monde entier pour des recherches non commerciales. En quelques clics, les biologistes peuvent utiliser AlphaFold 3 pour modéliser des structures composées de protéines, d’ADN, d’ARN et d’une sélection de ligands, d’ions et de modifications chimiques.
Le serveur AlphaFold aide les scientifiques à générer de nouvelles hypothèses à tester en laboratoire, accélérant leurs recherches et favorisant l’innovation. Notre plateforme facilite la création de prédictions pour les chercheurs, quel que soit leur accès aux ressources informatiques ou leur expertise en apprentissage automatique.
La prédiction expérimentale de la structure des protéines peut prendre autant de temps qu’un doctorat et coûter une fortune. Notre modèle précédent, AlphaFold 2, a été utilisé pour prédire des centaines de millions de structures, une tâche qui aurait pris des centaines de millions d’années-chercheur au rythme actuel de la biologie structurale expérimentale.
À chaque sortie d’AlphaFold, nous avons cherché à comprendre l’impact global de la technologie, en collaborant avec la communauté de recherche et de sécurité. Nous adoptons une approche scientifique et avons effectué des évaluations approfondies pour minimiser les risques potentiels tout en maximisant les bénéfices pour la biologie et l’humanité.
S’appuyant sur les consultations menées pour AlphaFold 2, nous avons maintenant engagé plus de 50 experts dans divers domaines, ainsi que des tiers spécialisés, dans les secteurs de la biosécurité, de la recherche et de l’industrie, pour évaluer les capacités et les risques potentiels des modèles successifs d’AlphaFold. Nous avons également participé à des forums et discussions à l’échelle de la communauté avant le lancement d’AlphaFold 3.
Le serveur AlphaFold reflète notre engagement à partager les bénéfices d’AlphaFold, y compris notre base de données gratuite de 200 millions de structures de protéines. Nous élargissons notre cours en ligne gratuit sur l’éducation AlphaFold avec EMBL-EBI et collaborons avec des organisations du Sud global pour équiper les scientifiques des outils nécessaires pour accélérer l’adoption et la recherche, en particulier dans des domaines sous-financés comme les maladies négligées et la sécurité alimentaire. Nous continuerons à travailler avec la communauté scientifique et les décideurs politiques pour développer et déployer des technologies AI de manière responsable.
Ouvrir l’avenir de la biologie cellulaire alimentée par l’AI
------------------------------------------------
AlphaFold 3 met le monde biologique en lumière. Il permet aux scientifiques de voir les systèmes cellulaires dans toute leur complexité, à travers les structures, les interactions et les modifications. Cette nouvelle perspective sur les molécules du vivant révèle leur interconnectivité et aide à comprendre comment ces connexions influencent les fonctions biologiques — comme le fonctionnement des médicaments, la production d’hormones et la réparation de l’ADN qui nous maintient en bonne santé.
L’impact d’AlphaFold 3 et de notre serveur AlphaFold gratuit se verra dans la manière dont ils permettent aux scientifiques d’accélérer les découvertes à travers des questions ouvertes en biologie et de nouveaux domaines de recherche. Nous commençons tout juste à explorer le potentiel d’AlphaFold 3, et nous sommes enthousiastes à l’idée de voir ce que l’avenir nous réserve.
Mise à jour du 11 novembre 2024 : Depuis novembre 2024, nous avons publié le code et les poids du modèle AlphaFold 3 pour un usage académique afin d’avancer la recherche. En savoir plus sur les outils AlphaFold.
Stripe va acquérir OpenRouter alors que le routage basé sur des modèles d'IA prend de l'ampleur
Stripe a conclu un accord en vue d’acquérir OpenRouter, une plateforme de routage de modèles d’IA qui permet aux développeurs d’accéder à des centaines de modèles via une interface unique. Cette acqui
Les aperçus d'IA de Google gagnent du terrain dans les résultats de recherche
Selon le rapport 2026 sur le paysage de l'intelligence artificielle générative de Similarweb, les résumés générés par l'IA de Google sont apparus dans 43 % des recherches aux États-Unis, une hausse significative par rapport aux 15 % enregistrés un an
Empirik, soutenue par Sequoia, lève 21 millions de dollars pour prévoir les pannes avant qu'elles ne se produisent
Avant de rejoindre Sequoia Capital en 2020 en tant que directeur numérique et de l'information, Avon Puri a passé plus d'une décennie à diriger les infrastructures chez Rubrik et VMware. Il y a trois
How does AlphaFold 3 handle the sheer complexity of all those molecular combinations? Mind-blowing stuff! 🤯
結構な精度を誇るようだけど、AlphaFoldが分子間相互作用まで予測できるって、これで創薬研究めちゃくちゃ加速しそう!でもAIの”ブラックボックス”予測をどう医療現場に持ち込むか、説明責任や臨床審査の壁は依然として大きいよね...😅 これからの議論の行方が気になるわ。
Je suis impressionné par AlphaFold 3 ! 🧬 Comprendre les interactions moléculaires pourrait révolutionner la médecine, mais ça soulève aussi des questions éthiques sur la modification du vivant. Est-ce qu'on va trop loin ?
Mind-blowing how AlphaFold 3 maps out life's molecular dance! 🧬 Curious if this could speed up drug discovery or just make scientists' heads spin with data overload. What's next, predicting my coffee's molecular vibe? 😄
AlphaFold 3 is mind-blowing! Predicting every molecule's structure feels like unlocking the universe’s blueprint. Can’t wait to see how this reshapes drug discovery! 😮











