DeepMind「Alphafold」重大升級!第三版模擬蛋白質-分子作用結構促藥物開發

撰文記者 彭梓涵
日期2024-05-09
EnglishFrenchGermanItalianPortugueseRussianSpanish
(圖片來源:網路)
美國時間8日,Google DeepMind在《Nature》上,宣布推出人工智慧模型「Alphafold」第三版,最新版本Alphafold3,能讓科學家預測蛋白質與其他分子作用過程中的結構。不過,Alphafold3不像先前版本一樣以免費方式公開給研究人員使用,Alphafold3僅限透過DeepMind提供的伺服器,進行非商業用途的使用。
 
DeepMind自2021年發布強大的AI工具——AlphaFold2以來,科學家已能透過該工具來預測蛋白質結構,並繪製各種蛋白質的輿圖以開發藥物。
 
但儘管取得這些成功,Google DeepMind負責AlphaFold開發的資深研究科學家John Jumper,仍經常被問到該工具是否可以做得更多,包括:預測被修飾的蛋白質結構,或是預測蛋白質與DNA、RNA或其他化學物質交互作用的結構等。
 
為了提升Alphafold,Jumper以及DeepMind執行長Demis Hassabis和其團隊一起對其前身進行了重大修改,例如,Alphafold3可使用更少的目標序列,就能預測蛋白質結構,另外,Alphafold3還使用一種稱為擴散模型(diffusion model)的機器學習網路進行圖像生成,例如Midjourney。
 
研究人員發現,在預測蛋白質結構上,Alphafold3效能遠遠超過其他軟體工具,尤其是用在新藥開發的工作上。
 
蛋白質設計大師、西雅圖華盛頓大學運算生物物理學家David Baker,在使用過Alphafold3後也表示,AlphaFold3的結構預測表現非常令人印象深刻,其還比自己團隊開發的RoseTTAFold All-Atom更好。
 
不過Alphafold3與RoseTTAFold以及AlphaFold2不同,科學家無法利用AlphaFold3底層的程式碼進行相關研究,DeepMind則是提供AlphaFold3專用伺服器,讓研究人員透過輸入蛋白質序列進行分析。
 
但目前使用者對AlphaFold3伺服器的存取有其限制,科學家每天只能進行10次預測,而且無法獲得與可能的藥物結合之蛋白質結構。
 
資料來源:
  1. https://www.nature.com/articles/d41586-024-01383-z
  2. https://www.nature.com/articles/s41586-024-07487-w
  3.