"Alphafold 3: Cách mạng hóa cấu trúc phân tử và dự đoán tương tác"

Trang chủ

Tin tức

Ngày 10 tháng 4 năm 2025

GaryHill

# ai # research

"Alphafold 3: Cách mạng hóa cấu trúc phân tử và dự đoán tương tác"

Kể từ khi ra mắt vào năm 2020, hơn 2 triệu nhà nghiên cứu đã chuyển sang Alphafold 2 của Google Deepmind để dự đoán cấu trúc protein, hỗ trợ các đột phá như phát triển vắc -xin và điều trị ung thư. Mô hình này đã giải quyết một thách thức đã khiến các nhà khoa học bối rối trong hơn nửa thế kỷ. Nhưng nhóm tại Google Deepmind đã không dừng lại ở đó; Thay vì nghỉ ngơi trên vòng nguyệt quế của họ, họ cuộn tay áo lên và bắt đầu làm việc trên Alphafold 3.

Được ra mắt vào tháng 5 bởi Google DeepMind và Isomorphic Labs, Alphafold 3 đưa mọi thứ lên một tầm cao. Nó không chỉ dự đoán gấp protein; Nó cũng dự báo cấu trúc và tương tác của tất cả các loại phân tử của cuộc sống, bao gồm DNA, RNA và phối tử, những phân tử nhỏ gắn liền với protein.

"Với Alphafold 2, chúng tôi đã có những bước tiến lớn trong việc giải câu đố gấp protein, nhưng cộng đồng khoa học đã chuyển sang những thứ phức tạp hơn", Jonas Adler, một nhà khoa học nghiên cứu tại Google Deepmind giải thích. "Các nhà nghiên cứu hiện đang đi sâu vào các chi tiết như cách các phân tử nhỏ liên kết, hoặc cách RNA hoạt động, các khu vực mà Alphafold 2 đã giảm. Để theo kịp các sinh học và hóa học mới nhất, chúng tôi cần một công cụ có thể xử lý tất cả các loại phân tử sinh học."

"Mọi thứ" ở đây bao gồm các phối tử, rất quan trọng vì chúng chiếm khoảng một nửa số loại thuốc. Adrian Stecula, một nhà lãnh đạo nghiên cứu tại Isomorphic Labs cho biết: "Tại các phòng thí nghiệm đẳng cấu, chúng tôi sẽ thấy tiềm năng khổng lồ của Alphafold 3 để thiết kế thuốc một cách hợp lý và chúng tôi đã đưa nó vào sử dụng mỗi ngày". "Chúng tôi đang khám phá cách các phân tử nhỏ mới liên kết với các mục tiêu thuốc mới, tìm ra cách các protein tương tác với DNA và RNA và nghiên cứu cách các tinh chỉnh hóa học ảnh hưởng đến cấu trúc protein, mô hình mới mở ra tất cả các khả năng này."

Kết hợp các loại phân tử bổ sung này có nghĩa là xử lý nhiều kết hợp hơn. "Protein khá đơn giản; chỉ có 20 axit amin tiêu chuẩn", Jonas lưu ý. "Nhưng các phân tử nhỏ? Chúng ở khắp mọi nơi, với những khả năng vô tận. Chúng là siêu đa dạng."

Nhận ra rằng một cơ sở dữ liệu toàn diện đã nằm ngoài câu hỏi, nhóm đã ra mắt máy chủ Alphafold. Công cụ miễn phí này cho phép các nhà khoa học nhập trình tự của riêng họ và Alphafold tạo ra các phức hợp phân tử cho chúng. Kể từ khi phát hành vào tháng 5, nó đã được sử dụng để tạo ra hơn 1 triệu cấu trúc.

"Nó giống như Google Maps nhưng đối với các phức hợp phân tử", Lindsay Willmore, một kỹ sư nghiên cứu tại Google Deepmind nói. "Ngay cả khi bạn không phải là một lập trình viên, bạn chỉ có thể sao chép và dán protein, DNA, RNA hoặc trình tự phân tử nhỏ của bạn, nhấn nút và đợi vài phút. Bạn sẽ có được cấu trúc của mình cùng với các số liệu tự tin để giúp bạn đánh giá dự đoán."

Để làm cho Alphafold 3 hoạt động với một loạt các phân tử sinh học như vậy, nhóm đã mở rộng dữ liệu đào tạo để bao gồm DNA, RNA, các phân tử nhỏ, v.v. "Chúng tôi đã hình dung, 'Tại sao không đào tạo mọi thứ trong bộ dữ liệu của chúng tôi đã giúp chúng tôi với protein và xem chúng tôi có thể đi được bao xa?'" Lindsay giải thích. "Hóa ra, chúng tôi đã đi khá xa."

Một thay đổi quan trọng trong Alphafold 3 là trong phần cuối cùng của mô hình tạo ra cấu trúc. Trong khi Alphafold 2 sử dụng một mô-đun dựa trên hình học tùy chỉnh phức tạp, Alphafold 3 đã chuyển sang mô hình tổng quát đơn giản hơn dựa trên sự khuếch tán, tương tự như các mô hình tạo hình ảnh tiên tiến khác như Imagen. Sự thay đổi này đã hợp lý cách các mô hình xử lý các loại phân tử mới.

Tuy nhiên, sự thay đổi này đã mang đến một thách thức mới: mô hình khuếch tán sẽ tạo ra một cấu trúc "được đặt hàng" cho các vùng protein thực sự bị "rối loạn" của nó khi cố gắng tổ chức một đống spaghetti hỗn loạn thành một vòng xoáy gọn gàng.

Vì vậy, nhóm nghiên cứu đã chuyển sang Alphafold 2, vượt trội trong việc dự đoán các tương tác rối loạn này. "Chúng tôi đã sử dụng những dự đoán đó từ Alphafold 2 để đào tạo Alphafold 3, dạy nó nhận ra và dự đoán rối loạn", Lindsay nói.

"Chúng tôi có một câu nói: 'Tin tưởng Fusilli, từ chối spaghetti'," Jonas nói thêm với một tiếng cười khúc khích.

Một ví dụ về một dự đoán từ Alphafold 3, cho thấy các vùng Fusilli đã đặt hàng ở các khu vực màu xanh lam và rối loạn của các spaghetti ở màu cam. Màu sắc cho thấy sự tự tin của mô hình vào độ chính xác của dự đoán.

Nhóm nghiên cứu rất vui mừng khi thấy Alphafold 3 sẽ được sử dụng như thế nào trong các lĩnh vực như genomics và thiết kế thuốc. "Thật tuyệt vời khi thấy chúng ta đã đi được bao xa," Jonas nói. "Những gì đã từng khó khăn bây giờ là dễ dàng, và những gì không thể bây giờ trong tầm tay.

Bài viết liên quan

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

Nhận xét (15)

0/200

Nộp

GeorgeMartinez