“ Alphafold 3:革新分子結構和相互作用預測”

自2020年推出以來,已有超過200萬研究人員使用Google DeepMind的AlphaFold 2預測蛋白質結構,助力疫苗開發與癌症治療等突破。該模型解決了困擾科學家半世紀以上的難題。但Google DeepMind團隊未止步於此;他們未沉醉於榮譽,而是捲起袖子開始研發AlphaFold 3。
由Google DeepMind與Isomorphic Labs於五月推出,AlphaFold 3更上一層樓。它不僅預測蛋白質摺疊,還能預測各種生命分子的結構與相互作用,包括DNA、RNA和配體——那些與蛋白質結合的微小分子。
「有了AlphaFold 2,我們在解決蛋白質摺疊難題上取得了巨大進展,但科學界已轉向更複雜的問題,」Google DeepMind研究科學家Jonas Adler解釋。「研究人員現在深入探討小分子如何結合,或RNA如何運作等AlphaFold 2無法勝任的領域。為了跟上生物學與化學的最新進展,我們需要一款能處理各種生物分子的工具。」
這裡的「一切」包括配體,因其構成約一半的藥物而至關重要。「在Isomorphic Labs,我們看到AlphaFold 3在理性藥物設計上的巨大潛力,我們已每天應用它,」Isomorphic Labs研究領導者Adrian Stecula說。「我們正在探索新小分子如何與新藥靶點結合,研究蛋白質與DNA、RNA的相互作用,以及化學調整如何影響蛋白質結構——新模型開啟了所有這些可能性。」
納入這些額外的分子類型意味著要處理更多的組合。「蛋白質相對簡單,只有20種標準氨基酸,」Jonas指出。「但小分子?它們無處不在,可能性無窮。它們極其多樣。」
意識到全面資料庫不可行,團隊推出了AlphaFold Server。這款免費工具讓科學家輸入自己的序列,AlphaFold為其生成分子複合物。自五月上線以來,已用於創建超過100萬個結構。
「這就像是分子複合物的Google Maps,」Google DeepMind研究工程師Lindsay Willmore說。「即使你不是程式設計師,也只需複製貼上你的蛋白質、DNA、RNA或小分子序列,按下按鈕,等幾分鐘,就能得到結構以及信心度量,幫助你評估預測的準確性。」
為了讓AlphaFold 3適用於如此廣泛的生物分子,團隊擴展了訓練數據,包括DNA、RNA、小分子等。「我們想,『為什麼不利用數據集中幫助我們研究蛋白質的所有內容,看看能走多遠?』」Lindsay解釋。「結果,我們走得很遠。」
AlphaFold 3的關鍵變化在於生成結構的最後部分。AlphaFold 2使用了複雜的幾何模組,而AlphaFold 3改用基於擴散的簡單生成模型,類似於其他先進的圖像生成模型如Imagen。這一變化簡化了模型處理新型分子的方式。
然而,這一轉變帶來了新挑戰:擴散模型會錯誤地為實際上「無序」的蛋白質區域創建「有序」結構——就像試圖將一堆混亂的義大利麵整理成整齊的螺旋。
因此,團隊轉向AlphaFold 2,其擅長預測這些無序相互作用。「我們用AlphaFold 2的預測來訓練AlphaFold 3,教它識別和預測無序,」Lindsay說。
「我們有句話:『相信螺旋麵,拒絕直麵,』」Jonas笑著補充。
來自AlphaFold 3的預測示例,顯示藍色的有序「螺旋麵」區域和橙色的無序「直麵」區域。顏色表示模型對預測準確性的信心。
團隊期待看到AlphaFold 3在基因組學和藥物設計等領域的應用。「看到我們走了多遠,真是令人驚嘆,」Jonas說。「曾經困難的現在變得簡單,曾經不可能的現在觸手可及。仍有難題待解,但我們對AlphaFold 3能幫助我們實現的感到興奮。」
相關文章
華納音樂收購AI歸因初創公司Sureel AI
華納音樂集團(WMG)於週三確認,其正在收購Sureel AI,一家專注於人工智慧歸因的初創公司。Sureel的專有技術為音樂曲目生成“AI DNA”,將其分解為各個組成部分,以追蹤人工智慧模型如何利用這些元素。透過此次收購,WMG旨在增強其監控其藝術家和詞曲創作者的作品在人工智慧生成內容中被使用或用於訓練人工智慧模型的能力。“將Sureel整合到WMG中,增強了我們的保護、控制和變現能力,確保創意社羣保留對其智慧財產權、姓名、肖像、形象和聲音的控制權,”WMG執行長Robert Kync
亞馬遜推出“Alexa for Shopping”,同時將Rufus邊緣化
亞馬遜推出了“Alexa for Shopping”,將 Rufus 購物聊天機器人 Alexa+ 整合到應用程式、網站和 Echo Show 裝置中。該助手回答產品查詢、比較商品、跟蹤價格,並支援購物提醒。它還處理計劃中的購物操作和符合條件的自動購買。據該公司稱,“Alexa for Shopping”將 Rufus 的產品專業知識與 Alexa+ 的個性化助手上下文相結合。亞馬遜表示,Rufus 在 2025 年協助了超過 3 億客戶進行產品研究、比較和購買。GeekWire 報道稱,
微軟、Azure 與 AI 技術共同對抗加州野火風險
微軟投資於人工智慧驅動的野火偵測技術,其首席副總裁暨首席數據科學家胡安·拉維斯塔·費雷斯(Juan Lavista Ferres)針對減輕環境損害的策略進行了探討。根據美國國家航空暨太空總署(NASA)指出,氣候變遷影響地球上的每個人,其表現為氣溫上升、降雨模式改變以及海平面上升。NASA 指出,有確鑿證據顯示地球正以前所未有的速度變暖,而人類活動是主要驅動因素。隨著全球氣溫上升,野火構成的威脅日
相關專題推薦
評論 (21)
0/500
AlphaFold 3 sounds like a game-changer! Predicting molecular interactions could speed up drug discovery big time. Curious how it stacks up against traditional lab methods. 🧬
AlphaFold 3 sounds like a game-changer! Predicting molecular interactions with such precision could really speed up drug discovery. I'm curious how it stacks up against traditional lab methods in terms of cost and time. Anyone know? 🤔
AlphaFold 3 sounds like a game-changer! Predicting molecular interactions could speed up drug discovery big time. Excited to see how it shapes medical breakthroughs! 🚀
AlphaFold 3 sounds like a game-changer! Predicting molecular interactions could speed up drug discovery big time. Curious how it stacks against human researchers—will it outsmart us or just make our coffee breaks longer? 😄
AlphaFold 3 sounds like a game-changer! Predicting molecular interactions with such precision could unlock new frontiers in medicine. But I wonder, will this tech stay accessible to all researchers, or get locked behind paywalls? 🤔

自2020年推出以來,已有超過200萬研究人員使用Google DeepMind的AlphaFold 2預測蛋白質結構,助力疫苗開發與癌症治療等突破。該模型解決了困擾科學家半世紀以上的難題。但Google DeepMind團隊未止步於此;他們未沉醉於榮譽,而是捲起袖子開始研發AlphaFold 3。
由Google DeepMind與Isomorphic Labs於五月推出,AlphaFold 3更上一層樓。它不僅預測蛋白質摺疊,還能預測各種生命分子的結構與相互作用,包括DNA、RNA和配體——那些與蛋白質結合的微小分子。
「有了AlphaFold 2,我們在解決蛋白質摺疊難題上取得了巨大進展,但科學界已轉向更複雜的問題,」Google DeepMind研究科學家Jonas Adler解釋。「研究人員現在深入探討小分子如何結合,或RNA如何運作等AlphaFold 2無法勝任的領域。為了跟上生物學與化學的最新進展,我們需要一款能處理各種生物分子的工具。」
這裡的「一切」包括配體,因其構成約一半的藥物而至關重要。「在Isomorphic Labs,我們看到AlphaFold 3在理性藥物設計上的巨大潛力,我們已每天應用它,」Isomorphic Labs研究領導者Adrian Stecula說。「我們正在探索新小分子如何與新藥靶點結合,研究蛋白質與DNA、RNA的相互作用,以及化學調整如何影響蛋白質結構——新模型開啟了所有這些可能性。」
納入這些額外的分子類型意味著要處理更多的組合。「蛋白質相對簡單,只有20種標準氨基酸,」Jonas指出。「但小分子?它們無處不在,可能性無窮。它們極其多樣。」
「這就像是分子複合物的Google Maps,」Google DeepMind研究工程師Lindsay Willmore說。「即使你不是程式設計師,也只需複製貼上你的蛋白質、DNA、RNA或小分子序列,按下按鈕,等幾分鐘,就能得到結構以及信心度量,幫助你評估預測的準確性。」
為了讓AlphaFold 3適用於如此廣泛的生物分子,團隊擴展了訓練數據,包括DNA、RNA、小分子等。「我們想,『為什麼不利用數據集中幫助我們研究蛋白質的所有內容,看看能走多遠?』」Lindsay解釋。「結果,我們走得很遠。」
AlphaFold 3的關鍵變化在於生成結構的最後部分。AlphaFold 2使用了複雜的幾何模組,而AlphaFold 3改用基於擴散的簡單生成模型,類似於其他先進的圖像生成模型如Imagen。這一變化簡化了模型處理新型分子的方式。
然而,這一轉變帶來了新挑戰:擴散模型會錯誤地為實際上「無序」的蛋白質區域創建「有序」結構——就像試圖將一堆混亂的義大利麵整理成整齊的螺旋。
因此,團隊轉向AlphaFold 2,其擅長預測這些無序相互作用。「我們用AlphaFold 2的預測來訓練AlphaFold 3,教它識別和預測無序,」Lindsay說。
「我們有句話:『相信螺旋麵,拒絕直麵,』」Jonas笑著補充。
團隊期待看到AlphaFold 3在基因組學和藥物設計等領域的應用。「看到我們走了多遠,真是令人驚嘆,」Jonas說。「曾經困難的現在變得簡單,曾經不可能的現在觸手可及。仍有難題待解,但我們對AlphaFold 3能幫助我們實現的感到興奮。」
華納音樂收購AI歸因初創公司Sureel AI
華納音樂集團(WMG)於週三確認,其正在收購Sureel AI,一家專注於人工智慧歸因的初創公司。Sureel的專有技術為音樂曲目生成“AI DNA”,將其分解為各個組成部分,以追蹤人工智慧模型如何利用這些元素。透過此次收購,WMG旨在增強其監控其藝術家和詞曲創作者的作品在人工智慧生成內容中被使用或用於訓練人工智慧模型的能力。“將Sureel整合到WMG中,增強了我們的保護、控制和變現能力,確保創意社羣保留對其智慧財產權、姓名、肖像、形象和聲音的控制權,”WMG執行長Robert Kync
微軟、Azure 與 AI 技術共同對抗加州野火風險
微軟投資於人工智慧驅動的野火偵測技術,其首席副總裁暨首席數據科學家胡安·拉維斯塔·費雷斯(Juan Lavista Ferres)針對減輕環境損害的策略進行了探討。根據美國國家航空暨太空總署(NASA)指出,氣候變遷影響地球上的每個人,其表現為氣溫上升、降雨模式改變以及海平面上升。NASA 指出,有確鑿證據顯示地球正以前所未有的速度變暖,而人類活動是主要驅動因素。隨著全球氣溫上升,野火構成的威脅日
AlphaFold 3 sounds like a game-changer! Predicting molecular interactions could speed up drug discovery big time. Curious how it stacks up against traditional lab methods. 🧬
AlphaFold 3 sounds like a game-changer! Predicting molecular interactions with such precision could really speed up drug discovery. I'm curious how it stacks up against traditional lab methods in terms of cost and time. Anyone know? 🤔
AlphaFold 3 sounds like a game-changer! Predicting molecular interactions could speed up drug discovery big time. Excited to see how it shapes medical breakthroughs! 🚀
AlphaFold 3 sounds like a game-changer! Predicting molecular interactions could speed up drug discovery big time. Curious how it stacks against human researchers—will it outsmart us or just make our coffee breaks longer? 😄
AlphaFold 3 sounds like a game-changer! Predicting molecular interactions with such precision could unlock new frontiers in medicine. But I wonder, will this tech stay accessible to all researchers, or get locked behind paywalls? 🤔





首頁






