Alle livselementer kan forutsies av AI!Alphafold3 er her, globale forskere bruker gratis bruk
Mengchen Mingmin er fra Kuffu -tempeletKvanteposisjon |
Alphafold 3Stiger naturen igjen!
Denne gangen er den tunge oppgraderingen ikke lenger begrenset til prediksjonen av proteinstruktur -det kan forutses med enestående nøyaktighetAlle livsmolekylerStruktur og samhandling.
Bare ved å forstå hvordan de samhandler i millioner av kombinasjoner, kan vi begynne å forstå livets prosess.
En av de største nyvinningene denne gangen er å bruke AI -maleri ofteUtforming av diffusjonsmodell, Generere direkte3D -koordinater for hvert atomEssens
Nå, den strukturelle prediksjonen av Alphafold 3 på det normale kaldt viruspikeproteinet (blå), er den grå delen prediksjonsresultatet.Dette lar mennesker lære mer om koronarvirus.
Forutsigelsen av molekylære komplekser kombinert med protein og DNA, prediksjonsresultatene er nesten i samsvar med den virkelige strukturen.
Uten å legge inn noen strukturell informasjon, forutsier nøyaktigheten til Alphafold3 50%sammenlignet med den eksisterende metoden, og til og med dobler kategorien av noen interaksjoner.
Dette gjør at Alphafold 3 blirDet første AI -systemet som overgikk den prediktive prediksjonen av reell biomolekylær strukturEssens
Og globale forskere passererAlphafold ServerDu kan bruke Alphafold 3 gratis for ikke -kommersiell forskning (åpne de fleste funksjoner).
DeepMind Lianchuang og administrerende direktør Hathabis sa på pressekonferansen veldig bekreftende at Alphafold 3 er en menneskelig forståelse av biologisk dynamikkHistorisk første trinnEssens
Netizens har beklaget: Dette er bruken av AI.
Bruk diffusjonsnettverket for å generere prediksjonsresultater
Faktisk er det gjort en serie med småskalaoppdateringer før Alphafold 3, med fokus på å forbedre den prediktive nøyaktigheten til proteinkomplekset.
Så oppsummer:
Alphafold har skapt en ny epoke med prediksjon av proteinstrukturAlphafold 2, noe som forbedrer prediksjonens nøyaktighet kraftigAlphafold-multimer utvider prognoseområdet til et kompleks med flere proteinkjederAlphafold 2.3, det forbedrer ytelsen og utvider dekningen til større komplekserDenne revolusjonerende Alphafold 3 fortsetter å utvide prognoseområdet tilFlere biomolekylære strukturer som protein, DNA, RNA og en serie ligander, ioner og kjemisk modifiseringEssens
Alphafold 3 er basert på Alphafold 2, men det har forbedret seg sterkt innen arkitektur og trening:
Den genetiske karakteristiske koderen (MSA -modulen) er sterkt forenklet, med fokus på å trekke ut mer kritisk evolusjonær informasjon.Parformeren erstattet den opprinnelige evolusjonsfunksjonsbehandlingsenheten (Evoforer), som forbedret modelleringsevnen til kompleks interaksjonsmodus.Strukturgeneratoren endres fra aminosyresentrert til direkte prediktive atomkoordinater, noe som øker fleksibiliteten i prosessering av universell molekylstruktur.For å forhindre at diffusjonsmetoden har hallusinasjoner i noen universelle områder, har en ny kryssdestillasjonsmetode også blitt introdusert for å berike treningsdataene gjennom de strukturelle dataene som er forutsagt av Alphafold-Multimer V2.
Det som er enda mer utrolig er at selv innen Alphafold 3 innen ekstremt knappe treningsdata, har det vist fantastiske generaliseringsfunksjoner.
For eksempel, i CASP15s RNA -prediksjonsoppgave, overskrider den gjennomsnittlige ytelsen på 10 offentlige mål den spesielle RNA -strukturens prediksjonsmodell.Du vet, dette oppnås i fravær av RNA -treningsdata.
Selv om Alphafold 3 har gjort gjennombrudd i flere dimensjoner, er det ikke perfekt.For eksempel, når det gjelder foredling og selvkonkurranse, har den fremdeles visse begrensninger.
I tillegg fokuserer den for tiden på den statiske prediksjonen av molekylstrukturen, som ikke er nok til å skildre den dynamiske oppførselen.Bruken av kunstige komponenter må også verifiseres.
Alphafold 3 Noen ganger oppstår feil, noe som forårsaker hallusinasjoner for uordnede områder, noe som resulterer i en reduksjon i prediktiv nøyaktighet av visse mål.
Den nåværende avlastningsmetoden er å bruke flere tilfeldige frø når du genererer for å sikre riktig håndtering og unngå svak kollisjon av protein-liganden.
Men feilene er ikke dekket, betydningen av Alphafold 3 er ikke bare i hoppet av spesifikke indikatorer, men viser også muligheten for å samhandle med en enhetlig dyp læringsarkitektur for å bygge en kompleks livssystemkomponent.
Alphafold starter kommersialisering
Etter lanseringen av Alphafold -generasjonen i 2021, søkte Google DeepMind aktivt kommersialisering for den og etablerte Isomorhpic Labs.
Selv om denne gangen ble den gratis Alphafold -serveren lansert i navnet på Google DeepMind. modifisering.
Naturen rapporterte imidlertid at forskernes besøk på Alphafold 3 -serveren var begrenset.For tiden kan bare 10 spådommer utføres hver dag, og det er umulig å oppnå en proteinstruktur som kan kombineres med medisiner.
Isomorfe laboratorier bruker Alphafold3 for å utvikle medisiner gjennom sine egne kanaler eller samarbeide med andre farmasøytiske selskaper.
Anmelderen ropte også hatsabis på nettet.
Han listet opp en serie vitenskapelige hendelser etter utgivelsen av Alphafold2 -koden i gjennomgangskommentaren.
Ikke undervurder imidlertid kraften i open source -samfunnet.
Mange mennesker har kanskje ikke lest avisene, og åpen kildekode dukker opp igjen har begynt.
Selv om det bare er en tom posisjon, spekulerer netizens at for denne store Gud som har duplisert Vit, Dall · E 2, Imagen, etc., kan den fullføres i løpet av noen få dager.
Den forhåndskrevne versjonen av AlphaFold3 -papiret som for øyeblikket er utgitt.Interesserte studenter kan forstå.
Avhandlingsadresse:https://www.nature.com/articles/s41586-024-07487-w
Referanselink:[1] https://www.nature.com/articles/d41586-024-01383-Z Z[2] https://www.isomorphiclabs.com/articles/a-glimpse-The-sxt-ge-alphafold[3] https://github.com/lucidrains/alphafold3-pytorch
Rapport/tilbakemelding
