谷歌旗下DeepMind近日发布AlphaFold最新版本,实现蛋白质结构预测范畴的扩展,不仅可准确预测蛋白质结构,还可预测配体、核酸等生物大分子,以及含有翻译后修饰的复杂结构,达到原子级实验室准确度。这对药物和材料设计具重要意义。新版在抗体结合问题上的表现,也较早期版本有显著提升。有助于理解诸如CRISPR系统等复杂生物机制,可望加速相关临床应用。
谷歌旗下DeepMind近日发布AlphaFold最新版本,实现蛋白质结构预测范畴的扩展,不仅可准确预测蛋白质结构,还可预测配体、核酸等生物大分子,以及含有翻译后修饰的复杂结构,达到原子级实验室准确度。这对药物和材料设计具重要意义。新版在抗体结合问题上的表现,也较早期版本有显著提升。有助于理解诸如CRISPR系统等复杂生物机制,可望加速相关临床应用。
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
诺贝尔奖得主 Demis Hassabis 近日接受英国《金融时报》采访,谈论了 AI 在科学研究中的作用和影响。他认为,AI 已经到达一个分水岭,人们认识到它实际上已经足够成熟,可以帮助科学发现。Hassabis 表示,AlphaFold 预示着科学发现的新时代。他希望10年后回顾 AlphaFold,它将预示着所有这些不同领域的科学发现进入一个新的黄金时代。图源备注:图片由AI生成,图片授权服务商Midjourney他还谈到,AI 是科学研究的新工具。AI 可以帮助科学家解决一些长期存在的难题,如蛋白质折叠问题。Hassabis 表
生物科技初创公司Chai Discovery推出AI模型Chai-1,旨在预测分子结构,助力药物研发。此模型在准确性上超越了谷歌DeepMind的AlphaFold,获得OpenAI和Thrive Capital的支持。Chai-1的免费网络界面和开放源代码鼓励非商业研究。该模型在多种分子类型预测上表现卓越,尤其在数据不完整时,其准确度超出预期,对药物研发领域构成重大突破。
AlphaFold3作为生物科学与计算机科学的交汇点上的重要突破,由谷歌DeepMind发布,但因未提供代码或模型权重,引发科学界复现热潮。Ligo初创公司成为首个成功复现AlphaFold3的团队,三位创始人均为牛津大学本科生,仅用四个月便实现了这一壮举,展现科学潜力。此成果被视为生物科学领域里程碑,尤其在蛋白质结构预测方面潜力巨大。然而,DeepMind的“闭门造车”策略受到批评,模型仅在特定服务器上供有限调用。面对此情况,Ligo团队决定开源其复现模型,不仅遵循原有模型架构,还进行优化和创新,使用8个A100GPU高效训练,展现了科研合作与创新的活力。除Ligo外,哥伦比亚大学OpenFold团队和独立开发者Phil Wang也参与了这一开源运动,形成了活跃的科研生态。