गूगल दीपमाइंड ने हाल ही में AlphaFold3 का स्रोत कोड और मॉडल वजन जारी किया, जो एक महत्वपूर्ण प्रगति का संकेत है जो वैज्ञानिक खोजों और दवा विकास कोaccelerate कर सकता है। यह खबर आने के केवल कुछ हफ्तों बाद, प्रणाली के निर्माता डेमिस हसाबिस और जॉन जंपर ने 2024 के नोबेल रसायन पुरस्कार को प्राप्त किया, जिसका श्रेय उन्हें प्रोटीन संरचना भविष्यवाणी में उनके योगदान के लिए दिया गया। पिछले संस्करण AlphaFold2 की तुलना में, AlphaFold3 की तकनीकी क्षमता।

AlphaFold3 (AF3) DeepMind टीम का नवीनतम उन्नत उपकरण है, जो प्रोटीन, न्यूक्लिक एसिड और लघु अणुओं की संरचना का भविष्यवाणी करने के लिए है। एकल प्रोटीन अनुक्रम और इसके परिसर संरचना के विश्लेषण की क्षमता के साथ, AF3 ने नुस्खे से तीन आयामी संरचना में परिवर्तन किया। इसका ढांचा तीन मुख्य मॉड्यूलों से बना है: इनपुट तैयारी अनुक्रम को साफ करना, समान संरचना वाले अणुओं की खोज करना; निरूपण अध्ययन में बहु-स्तरीय ध्यान तंत्र का उपयोग करके निरूपण को अपडेट करना; संरचना भविष्यवाणी आवश्यकतावादी प्रसार मॉडल के माध्यम से की जाती है। AF3 रचनात्मक रूप से विभिन्न प्रकार के अणुओं को अद्वितीय संख्याओं में बदलता है।

अल्फाफोल्ड का नवीनतम संस्करण प्रोटीन, न्यूक्लिक एसिड, और पीटीएम समाविष्ट अणुओं की संरचना की भविष्यवाणी कर सकता है, जो एंटीबॉडी बाइंडिंग से संबंधित मुद्दों में उच्च सटीकता के साथ परमाणु स्तर की भविष्यवाणियों में पूर्ववर्ती संस्करणों से काफी आगे बढ़ गया है। यह प्रोटीन-लिगैंड संरचना की तेज और सटीक भविष्यवाणी में मदद करता है, जो जटिल जैविक तंत्र को समझने और चिकित्सा अनुप्रयोगों की गति बढ़ाने में सहायक है।

हार्वर्ड और कोलंबिया यूनिवर्सिटी ने एक ओपन-सोर्स डेटा सेट OpenProteinSet जारी किया, जिसमें 16 मिलियन प्रोटीन बहु-अनुक्रम संरेखण और संबंधित डेटा शामिल हैं, जो AI मॉडल प्रशिक्षण के लिए समर्थन प्रदान करता है। AlphaFold 2 की सटीकता ने प्रोटीन संरचना भविष्यवाणी के क्षेत्र में एक मील का पत्थर स्थापित किया, लेकिन इसके निजी डेटा ने अन्य शोधकर्ताओं की प्रगति को सीमित कर दिया। OpenProteinSet में PDB में सभी प्रोटीन के MSA शामिल हैं, जो प्रोटीन मशीन लर्निंग समुदाय को प्रचुर पूर्व-गणना MSA संसाधन प्रदान करता है। यह डेटा सेट संरचनात्मक जैविकी के विभिन्न कार्यों के लिए उपयोग किया जा सकता है।