"Alphafold 3: Revolucionando a estrutura molecular e a previsão de interação"

Desde o seu lançamento em 2020, mais de 2 milhões de pesquisadores se voltaram para o Alphafold 2 do Google Deepmind para prever estruturas de proteínas, ajudando em avanços como desenvolvimento de vacinas e tratamentos contra o câncer. Esse modelo enfrentou um desafio que perseguiu os cientistas por mais de meio século. Mas a equipe do Google Deepmind não parou por aí; Em vez de descansar sobre os louros, eles enrolaram as mangas e começaram a trabalhar no Alphafold 3.
Lançado em maio pelo Google Deepmind e Laboratórios Isomórficos, o AlphaFold 3 levanta as coisas. Não prevê apenas o dobramento de proteínas; Também prevê a estrutura e as interações de todos os tipos de moléculas da vida, incluindo DNA, RNA e ligantes - aquelas moléculas minúsculas que se ligam às proteínas.
"Com o Alphafold 2, fizemos grandes avanços na solução do quebra -cabeça dobrável de proteínas, mas a comunidade científica passou a coisas mais complexas", explica Jonas Adler, cientista de pesquisa do Google DeepMind. "Os pesquisadores agora estão mergulhando em detalhes, como a seleção de pequenas moléculas ou como o RNA funciona, áreas onde o Alphafold 2 ficou aquém. Para acompanhar as últimas novidades em biologia e química, precisávamos de uma ferramenta que pudesse lidar com todos os tipos de biomoléculas".
"Everything" aqui inclui ligantes, que são cruciais porque representam cerca de metade de todas as drogas. "Nos laboratórios isomórficos, estamos vendo o enorme potencial do Alphafold 3 para projetar medicamentos racionalmente, e já estamos usando todos os dias", diz Adrian Stecula, líder de pesquisa da Isomorphic Labs. "Estamos explorando como novas moléculas pequenas se ligam a novos alvos de medicamentos, descobrindo como as proteínas interagem com o DNA e o RNA e estudando como os ajustes químicos afetam as estruturas de proteínas - o novo modelo abre todas essas possibilidades".
A incorporação desses tipos de moléculas extras significava lidar com uma tonelada de mais combinações. "As proteínas são bem diretas; existem apenas 20 aminoácidos padrão", observa Jonas. "Mas pequenas moléculas? Eles estão em todo lugar, com infinitas possibilidades. Eles são super diversos".
Percebendo que um banco de dados abrangente estava fora de questão, a equipe lançou o Alphafold Server. Essa ferramenta gratuita permite que os cientistas inseram suas próprias seqüências, e o Alphafold gera os complexos moleculares para eles. Desde que entrou em maio, ele foi usado para criar mais de 1 milhão de estruturas. "É como o Google Maps, mas para complexos moleculares", diz Lindsay Willmore, engenheiro de pesquisa do Google DeepMind. "Mesmo se você não é um codificador, você pode simplesmente copiar e colar suas sequências de proteínas, DNA, RNA ou moléculas pequenas, pressionar um botão e esperar alguns minutos. Você obterá sua estrutura junto com métricas de confiança para ajudá -lo a avaliar a previsão".
Para fazer com que o Alphafold 3 trabalhe com uma gama tão ampla de biomoléculas, a equipe expandiu os dados de treinamento para incluir DNA, RNA, pequenas moléculas e muito mais. "Nós imaginamos: 'Por que não treinar tudo em nosso conjunto de dados que nos ajudou com proteínas e a ver até onde podemos ir?'", Explica Lindsay. "Acontece que fomos muito longe."
Uma mudança importante no Alphafold 3 estava na parte final do modelo que cria a estrutura. Enquanto o Alphafold 2 usou um módulo complexo baseado em geometria personalizado, o AlphaFold 3 mudou para um modelo generativo mais simples baseado em difusão, semelhante a outros modelos avançados de geração de imagens, como o Imagen. Essa mudança simplificou como o modelo lida com os novos tipos de moléculas.
No entanto, essa mudança trouxe um novo desafio: o modelo de difusão criaria por engano uma estrutura "ordenada" para regiões proteicas que realmente são "desordenadas" - pensem nela como tentando organizar uma pilha de espaguete caótico em uma espiral arrumada.
Assim, a equipe voltou -se para o Alphafold 2, que se destaca em prever essas interações desordenadas. "Usamos essas previsões do Alphafold 2 para treinar o Alphafold 3, ensinando -as a reconhecer e prever o distúrbio", diz Lindsay.
"Temos um ditado: 'Confie nos Fusilli, rejeite o espaguete'", acrescenta Jonas com uma risada.
Um exemplo de previsão de Alphafold 3, mostrando regiões ordenadas "fusilli" em regiões azuis e desordenadas "espaguete" em Orange. As cores indicam a confiança do modelo na precisão da previsão. A equipe está animada para ver como o Alphafold 3 será usado em campos como genômica e design de medicamentos. "É incrível ver até onde chegamos", diz Jonas. "O que antes era difícil agora é fácil e o que era impossível está agora ao seu alcance. Ainda há nozes difíceis de quebrar, mas estamos emocionados com o que o Alphafold 3 pode nos ajudar a alcançar".
Artigo relacionado
億萬富翁討論自動化取代工作在本週的AI更新中
大家好,歡迎回到TechCrunch的AI通訊!如果您尚未訂閱,可以在此訂閱,每週三直接送到您的收件箱。我們上週稍作休息,但理由充分——AI新聞週期火熱異常,很大程度上要歸功於中國AI公司DeepSeek的突然崛起。這段時間風起雲湧,但我們現在回來了,正好為您更新OpenAI的最新動態。週末,OpenAI執行長Sam Altman在東京停留,與SoftBank負責人孫正義會面。SoftBank是O
NotebookLM應用上線:AI驅動的知識工具
NotebookLM 行動版上線:你的AI研究助手現已登陸Android與iOS我們對 NotebookLM 的熱烈反響感到驚喜——數百萬用戶已將其視為理解複雜資訊的首選工具。但有一個請求不斷出現:「什麼時候才能帶著NotebookLM隨時使用?」等待結束了!🎉 NotebookLM行動應用程式現已登陸Android和iOS平台,將AI輔助學習的力量裝進你的
谷歌的人工智慧未來基金可能需要謹慎行事
Google 的新 AI 投資計劃:監管審查下的戰略轉變Google 最近宣布設立 AI 未來基金(AI Futures Fund),這標誌著這家科技巨頭在其塑造人工智慧未來的征程中邁出了大膽的一步。該計劃旨在為初創公司提供急需的資金、早期接觸仍在開發中的尖端人工智慧模型,以及來自 Google 內部專家的指導。儘管這不是 Google 第一次涉足初創企業生
Comentários (15)
0/200
GeorgeMartinez
10 de Abril de 2025 à0 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!
0
RoySmith
10 de Abril de 2025 à0 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!
0
WilliamCarter
10 de Abril de 2025 à0 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!
0
JustinWilliams
10 de Abril de 2025 à0 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!
0
WalterThomas
10 de Abril de 2025 à0 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!
0
WillLopez
11 de Abril de 2025 à0 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!
0
Desde o seu lançamento em 2020, mais de 2 milhões de pesquisadores se voltaram para o Alphafold 2 do Google Deepmind para prever estruturas de proteínas, ajudando em avanços como desenvolvimento de vacinas e tratamentos contra o câncer. Esse modelo enfrentou um desafio que perseguiu os cientistas por mais de meio século. Mas a equipe do Google Deepmind não parou por aí; Em vez de descansar sobre os louros, eles enrolaram as mangas e começaram a trabalhar no Alphafold 3.
Lançado em maio pelo Google Deepmind e Laboratórios Isomórficos, o AlphaFold 3 levanta as coisas. Não prevê apenas o dobramento de proteínas; Também prevê a estrutura e as interações de todos os tipos de moléculas da vida, incluindo DNA, RNA e ligantes - aquelas moléculas minúsculas que se ligam às proteínas.
"Com o Alphafold 2, fizemos grandes avanços na solução do quebra -cabeça dobrável de proteínas, mas a comunidade científica passou a coisas mais complexas", explica Jonas Adler, cientista de pesquisa do Google DeepMind. "Os pesquisadores agora estão mergulhando em detalhes, como a seleção de pequenas moléculas ou como o RNA funciona, áreas onde o Alphafold 2 ficou aquém. Para acompanhar as últimas novidades em biologia e química, precisávamos de uma ferramenta que pudesse lidar com todos os tipos de biomoléculas".
"Everything" aqui inclui ligantes, que são cruciais porque representam cerca de metade de todas as drogas. "Nos laboratórios isomórficos, estamos vendo o enorme potencial do Alphafold 3 para projetar medicamentos racionalmente, e já estamos usando todos os dias", diz Adrian Stecula, líder de pesquisa da Isomorphic Labs. "Estamos explorando como novas moléculas pequenas se ligam a novos alvos de medicamentos, descobrindo como as proteínas interagem com o DNA e o RNA e estudando como os ajustes químicos afetam as estruturas de proteínas - o novo modelo abre todas essas possibilidades".
A incorporação desses tipos de moléculas extras significava lidar com uma tonelada de mais combinações. "As proteínas são bem diretas; existem apenas 20 aminoácidos padrão", observa Jonas. "Mas pequenas moléculas? Eles estão em todo lugar, com infinitas possibilidades. Eles são super diversos".
"É como o Google Maps, mas para complexos moleculares", diz Lindsay Willmore, engenheiro de pesquisa do Google DeepMind. "Mesmo se você não é um codificador, você pode simplesmente copiar e colar suas sequências de proteínas, DNA, RNA ou moléculas pequenas, pressionar um botão e esperar alguns minutos. Você obterá sua estrutura junto com métricas de confiança para ajudá -lo a avaliar a previsão".
Para fazer com que o Alphafold 3 trabalhe com uma gama tão ampla de biomoléculas, a equipe expandiu os dados de treinamento para incluir DNA, RNA, pequenas moléculas e muito mais. "Nós imaginamos: 'Por que não treinar tudo em nosso conjunto de dados que nos ajudou com proteínas e a ver até onde podemos ir?'", Explica Lindsay. "Acontece que fomos muito longe."
Uma mudança importante no Alphafold 3 estava na parte final do modelo que cria a estrutura. Enquanto o Alphafold 2 usou um módulo complexo baseado em geometria personalizado, o AlphaFold 3 mudou para um modelo generativo mais simples baseado em difusão, semelhante a outros modelos avançados de geração de imagens, como o Imagen. Essa mudança simplificou como o modelo lida com os novos tipos de moléculas.
No entanto, essa mudança trouxe um novo desafio: o modelo de difusão criaria por engano uma estrutura "ordenada" para regiões proteicas que realmente são "desordenadas" - pensem nela como tentando organizar uma pilha de espaguete caótico em uma espiral arrumada.
Assim, a equipe voltou -se para o Alphafold 2, que se destaca em prever essas interações desordenadas. "Usamos essas previsões do Alphafold 2 para treinar o Alphafold 3, ensinando -as a reconhecer e prever o distúrbio", diz Lindsay.
"Temos um ditado: 'Confie nos Fusilli, rejeite o espaguete'", acrescenta Jonas com uma risada.
A equipe está animada para ver como o Alphafold 3 será usado em campos como genômica e design de medicamentos. "É incrível ver até onde chegamos", diz Jonas. "O que antes era difícil agora é fácil e o que era impossível está agora ao seu alcance. Ainda há nozes difíceis de quebrar, mas estamos emocionados com o que o Alphafold 3 pode nos ajudar a alcançar".



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!




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!




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!




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!




¡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!




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!












