谷歌 DeepMind 近日意外发布了 AlphaFold3的源代码和模型权重,标志着一个可能加速科学发现和药物开发的重大进展。这一消息传出仅几周后,系统的创造者 Demis Hassabis 和 John Jumper 便获得了2024年诺贝尔化学奖,以表彰他们在蛋白质结构预测方面的贡献。与前一版本 AlphaFold2相比,AlphaFold3的技术能力有了质的飞跃。AlphaFold2只能预测蛋白质的结构,而 AlphaFold3则可以建模蛋白质、DNA、RNA 及小分子之间复杂的相互作用,这是生命的基本过程。这一进展至关重要,因为理解这些分子相互作用是现代药
AlphaFold3(AF3)是DeepMind团队的最新增强工具,用于预测蛋白质、核酸和小分子的结构。凭借能够解析单个蛋白质序列及其复合结构的能力,AF3实现了"食谱到三维结构"的转变。其架构由三项核心模块组成:输入准备梳理序列、检索具备相似结构的分子;表示学习运用多层注意力机制更新表征;结构预测通过条件扩散模型实现预测。AF3创造性地将各类分子转化为独特数值张量,仿佛给每个分子一个独一无二的"身份证",并运用注意力机制捕捉分子间的互相关系。在预测层面,条件扩散模型从随机噪声开始,逐步构建结构预测。训练中多种损失函数和信心评估共同作用,提高了AF3的预测准确性和可靠性,实现自我反省与提升。AF3的可视化指导和先进架构,展示了人工智能在生物学领域预测模型的革命性进步。
["Inceptive通过大规模学习生物软件语言,实现新的蛋白质和药物的设计生成。","Inceptive将深度学习应用于药物设计,实现可编程、可扩展的新药开发。","Inceptive CEO Jakob Uszkoreit提出LLM计算资源分配不足是效率低下的关键因素。"]
["AlphaFold最新版本可以预测蛋白质、核酸、含PTM分子的结构","实现了对配体、蛋白质、核酸高精度原子级预测","在抗体结合相关问题上大幅超过早期版本","可以更快速准确地预测蛋白质-配体结构","有助于理解复杂生物机制,加速医疗应用"]