站长之家(chinaz.com) 5月9日 消息:谷歌deepmind与isomorphic labs联合发布了最新版的alphafold3，这是一款能够预测蛋白质、dna、rna、配体等结构及其相互作用的大模型。alphafold3的发布，预示着在新药发现方法与效率上的重大进步。
alphafold3的应用示例之一是预测新冠病毒的刺突蛋白结构，通过深入分析病毒与宿主细胞ace2受体之间的相互作用，医疗研究人员可以基于这些结构信息快速开发小分子药物，阻断新冠与ace2的结合，有效阻止病毒的入侵和传播。这一过程有望加速特效药和疫苗的研发。
图源备注：图片由ai生成，图片授权服务商midjourney
医学领域的科学家对alphafold3给予高度评价，认为ai技术在医学领域同样有潜力竞争诺贝尔奖。目前，alphafold3已经免费提供在线使用，其论文已在《自然》期刊上发表。
alphafold3在2代模型的基础上进行了改进，采用了新的扩散模型和pairformer等创新模块，显著提高了对蛋白质结构的预测准确率和架构解读能力。扩散模型允许alphafold3直接在原始原子坐标上操作，减少了立体化学的损失，通过逐步去噪的方式精细化结构预测。
alphafold3还引入了pairformer模块，以替代alphafold2中的evoformer模块，解决了后者对算力消耗大的问题。pairformer由4个transformer块组成，使用简单的加权平均方法处理多序列比对（msa）表示，然后通过成对表示传递信息，极大节省了算力并提升了预测的泛化能力。
谷歌公布的测试数据显示，alphafold3的准确性在posebusters基准测试中比最佳传统方法高出50%，成为首个超越基于物理的生物分子结构预测ai模型。
蛋白质结构的准确预测对于理解生命的运作过程至关重要。蛋白质在细胞信号传递、免疫反应、代谢和细胞结构维持等生物过程中扮演着关键角色。通过预测和理解特定蛋白质的结构，科学家可以更好地理解疾病的分子基础，发现疾病的成因和潜在治疗目标，加速医药研发。
alphafold3的发布，不仅是ai技术在生物医药领域应用的一个重要里程碑，也可能为全球科研人员带来新的技术突破。
论文地址：https://www.nature.com/articles/s41586-024-07487-w#citeas
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-