«Алфалолд 3: Революция молекулярной структуры и прогнозирования взаимодействия»
С момента запуска в 2020 году более 2 миллионов исследователей обратились к Google DeepMind Alphafold 2, чтобы предсказать структуры белков, помогая в прорывах, таких как развитие вакцин и лечение рака. Эта модель решала проблему, в которой ученые более полвека были в тупике. Но команда в Google DeepMind не остановилась на этом; Вместо того, чтобы отдыхать на лаврах, они свернули рукава и начали работать над Alphafold 3.
Запущенный в мае Google DeepMind и Isomorphic Labs, Alphafold 3 поднимает вещи на ступеньку. Это не просто предсказывает складывание белка; Это также прогнозирует структуру и взаимодействия всех видов молекул жизни, включая ДНК, РНК и лиганды - те крошечные молекулы, которые прикрепляются к белкам.
«С Alphafold 2 мы добились огромных шагов в решении головоломки складывания белка, но научное сообщество перешло к более сложным вещам», - объясняет Джонас Адлер, научный сотрудник Google DeepMind. «В настоящее время исследователи ныряют в деталях, например, как связывают малые молекулы, или как работает РНК, области, где Alphafold 2 не превзошли. Чтобы не отставать от новейших биологии и химии, нам нужен инструмент, который мог бы обрабатывать все виды биомолекул».
«Все» здесь включает в себя лиганды, которые имеют решающее значение, потому что они составляют около половины всех лекарств. «В Isomorphic Labs мы видим огромный потенциал Alphafold 3 для рационального проектирования лекарств, и мы уже используем его для использования каждый день», - говорит Адриан Стекула, руководитель исследования Isomorphic Labs. «Мы исследуем, как новые мелкие молекулы связываются с новыми лекарственными мишенями, выясняя, как белки взаимодействуют с ДНК и РНК, и изучая, как химические настройки влияют на структуры белков - новая модель открывает все эти возможности».
Включение этих дополнительных типов молекул означало, чтобы справиться с большим количеством комбинаций. «Белки довольно просты; существует только 20 стандартных аминокислот», - отмечает Джонас. «Но маленькие молекулы? Они повсюду, с бесконечными возможностями. Они очень разнообразны».
Понимая, что исчерпывающая база данных не может быть и речи, команда запустила Alphafold Server. Этот бесплатный инструмент позволяет ученым вводить свои собственные последовательности, а Alphafold генерирует для них молекулярные комплексы. С тех пор, как он выйдет в жизнь в мае, он использовался для создания более 1 миллиона конструкций. «Это как карты Google, но для молекулярных комплексов», - говорит Линдсей Уиллмор, инженер -исследователь в Google DeepMind. «Даже если вы не кодер, вы можете просто скопировать и вставить свой белок, ДНК, РНК или небольшие молекулярные последовательности, нажать кнопку и подождать несколько минут. Вы получите свою структуру вместе с показателями доверия, чтобы помочь вам оценить прогноз».
Чтобы заставить Alphafold 3 работать с таким широким спектром биомолекул, команда расширила учебные данные, включив в него ДНК, РНК, мелкие молекулы и многое другое. «Мы подумали:« Почему бы не тренироваться на все в нашем наборе данных, который помог нам с белками и посмотреть, как далеко мы можем пойти? », - объясняет Линдсей. «Оказывается, мы зашли довольно далеко».
Ключевое изменение в алфалолде 3 было в последней части модели, которая создает структуру. В то время как Alphafold 2 использовал сложный модуль на основе индивидуальной геометрии, Alphafold 3 переключается на более простую генеративную модель, основанную на диффузии, аналогично другим современным моделям генерации изображений, таких как Imagen. Это изменение упростило, как модель занимается новыми типами молекул.
Тем не менее, этот сдвиг вызвал новую проблему: диффузионная модель ошибочно создала бы «упорядоченную» структуру для белковых областей, которые фактически «беспорядочны» - считают ее, пытаясь организовать кучу хаотических спагетти в аккуратную спираль.
Таким образом, команда обратилась к Alphafold 2, который превосходит прогнозирование этих неупорядоченных взаимодействий. «Мы использовали эти прогнозы от Alphafold 2 для обучения Alphafold 3, обучая его распознавать и предсказывать расстройство», - говорит Линдсей.
«У нас есть поговорка:« Доверься фьюзилли, отвергай спагетти », - добавляет Джонас со смехом.
Пример предсказания от Alphafold 3, показывающий упорядоченные области «fusilli» в голубых и беспорядочных областях «спагетти» в оранжевом. Цвета указывают уверенность модели в точности прогнозирования. Команда рада видеть, как AlphaFold 3 будет использоваться в таких областях, как геномика и дизайн лекарств. «Удивительно видеть, как далеко мы продвинулись», - говорит Джонас. «То, что когда -то было жестким, теперь легко, и то, что было невозможно, сейчас в пределах досягаемости. Есть все еще жесткие орехи, но мы взволнованы тем, что Alphafold 3 может помочь нам достичь».
Связанная статья
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
Комментарии (15)
![GeorgeMartinez]()
GeorgeMartinez
10 апреля 2025 г., 0:00:00 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]()
RoySmith
10 апреля 2025 г., 0:00:00 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]()
WilliamCarter
10 апреля 2025 г., 0:00:00 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]()
JustinWilliams
10 апреля 2025 г., 0:00:00 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]()
WalterThomas
10 апреля 2025 г., 0:00:00 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]()
WillLopez
11 апреля 2025 г., 0:00:00 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
С момента запуска в 2020 году более 2 миллионов исследователей обратились к Google DeepMind Alphafold 2, чтобы предсказать структуры белков, помогая в прорывах, таких как развитие вакцин и лечение рака. Эта модель решала проблему, в которой ученые более полвека были в тупике. Но команда в Google DeepMind не остановилась на этом; Вместо того, чтобы отдыхать на лаврах, они свернули рукава и начали работать над Alphafold 3.
Запущенный в мае Google DeepMind и Isomorphic Labs, Alphafold 3 поднимает вещи на ступеньку. Это не просто предсказывает складывание белка; Это также прогнозирует структуру и взаимодействия всех видов молекул жизни, включая ДНК, РНК и лиганды - те крошечные молекулы, которые прикрепляются к белкам.
«С Alphafold 2 мы добились огромных шагов в решении головоломки складывания белка, но научное сообщество перешло к более сложным вещам», - объясняет Джонас Адлер, научный сотрудник Google DeepMind. «В настоящее время исследователи ныряют в деталях, например, как связывают малые молекулы, или как работает РНК, области, где Alphafold 2 не превзошли. Чтобы не отставать от новейших биологии и химии, нам нужен инструмент, который мог бы обрабатывать все виды биомолекул».
«Все» здесь включает в себя лиганды, которые имеют решающее значение, потому что они составляют около половины всех лекарств. «В Isomorphic Labs мы видим огромный потенциал Alphafold 3 для рационального проектирования лекарств, и мы уже используем его для использования каждый день», - говорит Адриан Стекула, руководитель исследования Isomorphic Labs. «Мы исследуем, как новые мелкие молекулы связываются с новыми лекарственными мишенями, выясняя, как белки взаимодействуют с ДНК и РНК, и изучая, как химические настройки влияют на структуры белков - новая модель открывает все эти возможности».
Включение этих дополнительных типов молекул означало, чтобы справиться с большим количеством комбинаций. «Белки довольно просты; существует только 20 стандартных аминокислот», - отмечает Джонас. «Но маленькие молекулы? Они повсюду, с бесконечными возможностями. Они очень разнообразны».
«Это как карты Google, но для молекулярных комплексов», - говорит Линдсей Уиллмор, инженер -исследователь в Google DeepMind. «Даже если вы не кодер, вы можете просто скопировать и вставить свой белок, ДНК, РНК или небольшие молекулярные последовательности, нажать кнопку и подождать несколько минут. Вы получите свою структуру вместе с показателями доверия, чтобы помочь вам оценить прогноз».
Чтобы заставить Alphafold 3 работать с таким широким спектром биомолекул, команда расширила учебные данные, включив в него ДНК, РНК, мелкие молекулы и многое другое. «Мы подумали:« Почему бы не тренироваться на все в нашем наборе данных, который помог нам с белками и посмотреть, как далеко мы можем пойти? », - объясняет Линдсей. «Оказывается, мы зашли довольно далеко».
Ключевое изменение в алфалолде 3 было в последней части модели, которая создает структуру. В то время как Alphafold 2 использовал сложный модуль на основе индивидуальной геометрии, Alphafold 3 переключается на более простую генеративную модель, основанную на диффузии, аналогично другим современным моделям генерации изображений, таких как Imagen. Это изменение упростило, как модель занимается новыми типами молекул.
Тем не менее, этот сдвиг вызвал новую проблему: диффузионная модель ошибочно создала бы «упорядоченную» структуру для белковых областей, которые фактически «беспорядочны» - считают ее, пытаясь организовать кучу хаотических спагетти в аккуратную спираль.
Таким образом, команда обратилась к Alphafold 2, который превосходит прогнозирование этих неупорядоченных взаимодействий. «Мы использовали эти прогнозы от Alphafold 2 для обучения Alphafold 3, обучая его распознавать и предсказывать расстройство», - говорит Линдсей.
«У нас есть поговорка:« Доверься фьюзилли, отвергай спагетти », - добавляет Джонас со смехом.
Команда рада видеть, как AlphaFold 3 будет использоваться в таких областях, как геномика и дизайн лекарств. «Удивительно видеть, как далеко мы продвинулись», - говорит Джонас. «То, что когда -то было жестким, теперь легко, и то, что было невозможно, сейчас в пределах досягаемости. Есть все еще жесткие орехи, но мы взволнованы тем, что Alphafold 3 может помочь нам достичь».
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
10 апреля 2025 г., 0:00:00 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
10 апреля 2025 г., 0:00:00 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
10 апреля 2025 г., 0:00:00 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
10 апреля 2025 г., 0:00:00 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
10 апреля 2025 г., 0:00:00 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
11 апреля 2025 г., 0:00:00 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
