“ Alphafold 3:革新分子结构和相互作用预测”

自2020年推出以来,超过200万研究人员使用Google DeepMind的AlphaFold 2预测蛋白质结构,助力疫苗开发和癌症治疗等突破。该模型解决了半个多世纪以来困扰科学家的难题。但Google DeepMind团队并未止步;他们没有满足于已有成就,而是卷起袖子开始研发AlphaFold 3。
Google DeepMind和Isomorphic Labs于五月推出AlphaFold 3,进一步提升了性能。它不仅预测蛋白质折叠,还能预测DNA、RNA和配体等生命分子结构及其相互作用,配体是附着在蛋白质上的小分子。
“AlphaFold 2在解决蛋白质折叠难题上取得了巨大进展,但科学界已转向更复杂的问题,”Google DeepMind研究科学家Jonas Adler解释说。“研究人员现在深入研究小分子如何结合、RNA如何工作等领域,这些是AlphaFold 2的短板。为了跟上生物学和化学的最新进展,我们需要一个能处理各种生物分子的工具。”
这里的“所有”包括配体,因其构成约一半的药物而至关重要。“在Isomorphic Labs,我们看到AlphaFold 3在理性药物设计中的巨大潜力,我们已每天使用它,”Isomorphic Labs研究负责人Adrian Stecula说。“我们探索新小分子如何与新药物靶点结合,研究蛋白质与DNA、RNA的相互作用,以及化学调整如何影响蛋白质结构——新模型开启了所有这些可能性。”
纳入这些额外分子类型意味着要处理更多组合。“蛋白质很简单,只有20种标准氨基酸,”Jonas指出。“但小分子?它们千差万别,可能性无穷,极其多样。”
意识到全面数据库不可行,团队推出了AlphaFold Server。这一免费工具让科学家输入自己的序列,AlphaFold生成分子复合物。自五月上线以来,已用于创建超过100万个结构。
“这就像分子复合物的Google Maps,”Google DeepMind研究工程师Lindsay Willmore说。“即使你不是程序员,也可以复制粘贴蛋白质、DNA、RNA或小分子序列,点击按钮,等待几分钟。你会得到结构及置信度指标,帮助评估预测的准确性。”
为使AlphaFold 3适应多种生物分子,团队扩展了训练数据,包括DNA、RNA、小分子等。“我们想,‘为什么不利用数据集中的所有内容来训练,看能走多远?’”Lindsay解释说。“结果,我们走得很远。”
AlphaFold 3的关键变化在于生成结构的最后部分。AlphaFold 2使用复杂的基于几何的模块,而AlphaFold 3切换到基于扩散的简单生成模型,类似于Imagen等高级图像生成模型。这一变化简化了处理新型分子方式。
然而,这一转变带来了新挑战:扩散模型会错误地为实际“无序”的蛋白质区域创建“有序”结构——想象试图将一堆杂乱的意大利面整理成整齐的螺旋。
因此,团队转向AlphaFold 2,它擅长预测这些无序相互作用。“我们用AlphaFold 2的预测来训练AlphaFold 3,教它识别和预测无序,”Lindsay说。
“我们有句谚语:‘相信螺旋面,拒绝意大利面,’”Jonas笑着补充道。
AlphaFold 3的预测示例,蓝色显示有序的“螺旋面”区域,橙色显示无序的“意大利面”区域。颜色表示模型对预测准确性的置信度。
团队对AlphaFold 3在基因组学和药物设计领域的应用感到兴奋。“看到我们走了多远真令人惊叹,”Jonas说。“曾经困难的现在变得简单,曾经不可能的现在触手可及。仍有难题待解,但我们对AlphaFold 3能帮助我们实现的目标感到激动。”
相关文章
华纳音乐收购AI归因初创公司Sureel AI
华纳音乐集团(WMG)于周三确认,其正在收购Sureel AI,一家专注于人工智能归因的初创公司。Sureel的专有技术为音乐曲目生成“AI DNA”,将其分解为各个组成部分,以追踪人工智能模型如何利用这些元素。通过此次收购,WMG旨在增强其监控其艺术家和词曲创作者的作品在人工智能生成内容中被使用或用于训练人工智能模型的能力。“将Sureel整合到WMG中,增强了我们的保护、控制和变现能力,确保创意社区保留对其知识产权、姓名、肖像、形象和声音的控制权,”WMG首席执行官Robert Kync
亚马逊推出“Alexa for Shopping”,同时将Rufus边缘化
亚马逊推出了“Alexa for Shopping”,将 Rufus 购物聊天机器人 Alexa+ 整合到应用程序、网站和 Echo Show 设备中。该助手回答产品查询、比较商品、跟踪价格,并支持购物提醒。它还处理计划中的购物操作和符合条件的自动购买。据该公司称,“Alexa for Shopping”将 Rufus 的产品专业知识与 Alexa+ 的个性化助手上下文相结合。亚马逊表示,Rufus 在 2025 年协助了超过 3 亿客户进行产品研究、比较和购买。GeekWire 报道称,
微软、Azure 和人工智能技术共同应对加利福尼亚州野火风险
微软投资于人工智能驱动的山火监测技术,其首席副总裁兼首席数据科学家胡安·拉维斯塔·费雷斯(Juan Lavista Ferres)探讨了减轻环境损害的策略。据美国国家航空航天局(NASA)称,气候变化影响着地球上的每个人,其表现为气温上升、降雨模式改变以及海平面上升。NASA指出,有确凿证据表明地球正以史无前例的速度变暖,而人类活动是其主要驱动因素。随着全球气温上升,野火构成的威胁日益加剧。 在美
相关专题推荐
评论 (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年推出以来,超过200万研究人员使用Google DeepMind的AlphaFold 2预测蛋白质结构,助力疫苗开发和癌症治疗等突破。该模型解决了半个多世纪以来困扰科学家的难题。但Google DeepMind团队并未止步;他们没有满足于已有成就,而是卷起袖子开始研发AlphaFold 3。
Google DeepMind和Isomorphic Labs于五月推出AlphaFold 3,进一步提升了性能。它不仅预测蛋白质折叠,还能预测DNA、RNA和配体等生命分子结构及其相互作用,配体是附着在蛋白质上的小分子。
“AlphaFold 2在解决蛋白质折叠难题上取得了巨大进展,但科学界已转向更复杂的问题,”Google DeepMind研究科学家Jonas Adler解释说。“研究人员现在深入研究小分子如何结合、RNA如何工作等领域,这些是AlphaFold 2的短板。为了跟上生物学和化学的最新进展,我们需要一个能处理各种生物分子的工具。”
这里的“所有”包括配体,因其构成约一半的药物而至关重要。“在Isomorphic Labs,我们看到AlphaFold 3在理性药物设计中的巨大潜力,我们已每天使用它,”Isomorphic Labs研究负责人Adrian Stecula说。“我们探索新小分子如何与新药物靶点结合,研究蛋白质与DNA、RNA的相互作用,以及化学调整如何影响蛋白质结构——新模型开启了所有这些可能性。”
纳入这些额外分子类型意味着要处理更多组合。“蛋白质很简单,只有20种标准氨基酸,”Jonas指出。“但小分子?它们千差万别,可能性无穷,极其多样。”
“这就像分子复合物的Google Maps,”Google DeepMind研究工程师Lindsay Willmore说。“即使你不是程序员,也可以复制粘贴蛋白质、DNA、RNA或小分子序列,点击按钮,等待几分钟。你会得到结构及置信度指标,帮助评估预测的准确性。”
为使AlphaFold 3适应多种生物分子,团队扩展了训练数据,包括DNA、RNA、小分子等。“我们想,‘为什么不利用数据集中的所有内容来训练,看能走多远?’”Lindsay解释说。“结果,我们走得很远。”
AlphaFold 3的关键变化在于生成结构的最后部分。AlphaFold 2使用复杂的基于几何的模块,而AlphaFold 3切换到基于扩散的简单生成模型,类似于Imagen等高级图像生成模型。这一变化简化了处理新型分子方式。
然而,这一转变带来了新挑战:扩散模型会错误地为实际“无序”的蛋白质区域创建“有序”结构——想象试图将一堆杂乱的意大利面整理成整齐的螺旋。
因此,团队转向AlphaFold 2,它擅长预测这些无序相互作用。“我们用AlphaFold 2的预测来训练AlphaFold 3,教它识别和预测无序,”Lindsay说。
“我们有句谚语:‘相信螺旋面,拒绝意大利面,’”Jonas笑着补充道。
团队对AlphaFold 3在基因组学和药物设计领域的应用感到兴奋。“看到我们走了多远真令人惊叹,”Jonas说。“曾经困难的现在变得简单,曾经不可能的现在触手可及。仍有难题待解,但我们对AlphaFold 3能帮助我们实现的目标感到激动。”
华纳音乐收购AI归因初创公司Sureel AI
华纳音乐集团(WMG)于周三确认,其正在收购Sureel AI,一家专注于人工智能归因的初创公司。Sureel的专有技术为音乐曲目生成“AI DNA”,将其分解为各个组成部分,以追踪人工智能模型如何利用这些元素。通过此次收购,WMG旨在增强其监控其艺术家和词曲创作者的作品在人工智能生成内容中被使用或用于训练人工智能模型的能力。“将Sureel整合到WMG中,增强了我们的保护、控制和变现能力,确保创意社区保留对其知识产权、姓名、肖像、形象和声音的控制权,”WMG首席执行官Robert Kync
微软、Azure 和人工智能技术共同应对加利福尼亚州野火风险
微软投资于人工智能驱动的山火监测技术,其首席副总裁兼首席数据科学家胡安·拉维斯塔·费雷斯(Juan Lavista Ferres)探讨了减轻环境损害的策略。据美国国家航空航天局(NASA)称,气候变化影响着地球上的每个人,其表现为气温上升、降雨模式改变以及海平面上升。NASA指出,有确凿证据表明地球正以史无前例的速度变暖,而人类活动是其主要驱动因素。随着全球气温上升,野火构成的威胁日益加剧。 在美
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? 🤔





首页






