站長之家(chinaz.com) 5月9日 消息:谷歌deepmind與isomorphic labs聯合發布了最新版的alphafold3，這是一款能夠預測蛋白質、dna、rna、配體等結構及其相互作用的大模型。alphafold3的發布，預示着在新葯發現方法與效率上的重大進步。
alphafold3的應用示例之一是預測新冠病毒的刺突蛋白結構，通過深入分析病毒與宿主細胞ace2受體之間的相互作用，醫療研究人員可以基於這些結構信息快速開發小分子藥物，阻斷新冠與ace2的結合，有效阻止病毒的入侵和傳播。這一過程有望加速特效藥和疫苗的研發。
圖源備註：圖片由ai生成，圖片授權服務商midjourney
醫學領域的科學家對alphafold3給予高度評價，認為ai技術在醫學領域同樣有潛力競爭諾貝爾獎。目前，alphafold3已經免費提供在線使用，其論文已在《自然》期刊上發表。
alphafold3在2代模型的基礎上進行了改進，採用了新的擴散模型和pairformer等創新模塊，顯著提高了對蛋白質結構的預測準確率和架構解讀能力。擴散模型允許alphafold3直接在原始原子坐標上操作，減少了立體化學的損失，通過逐步去噪的方式精細化結構預測。
alphafold3還引入了pairformer模塊，以替代alphafold2中的evoformer模塊，解決了後者對算力消耗大的問題。pairformer由4個transformer塊組成，使用簡單的加權平均方法處理多序列比對（msa）表示，然後通過成對表示傳遞信息，極大節省了算力並提升了預測的泛化能力。
谷歌公布的測試數據顯示，alphafold3的準確性在posebusters基準測試中比最佳傳統方法高出50%，成為首個超越基於物理的生物分子結構預測ai模型。
蛋白質結構的準確預測對於理解生命的運作過程至關重要。蛋白質在細胞信號傳遞、免疫反應、代謝和細胞結構維持等生物過程中扮演着關鍵角色。通過預測和理解特定蛋白質的結構，科學家可以更好地理解疾病的分子基礎，發現疾病的成因和潛在治療目標，加速醫藥研發。
alphafold3的發布，不僅是ai技術在生物醫藥領域應用的一個重要里程碑，也可能為全球科研人員帶來新的技術突破。
論文地址：https://www.nature.com/articles/s41586-024-07487-w#citeas
