5月9日，谷歌DeepMind和Isomorphic Labs聯(lián)合發(fā)布了最新預測蛋白質(zhì)等結(jié)構(gòu)的大模型——AlphaFold 3。

據(jù)悉，AlphaFold 3可以通過準確預測蛋白質(zhì)、DNA、RNA、配體等的結(jié)構(gòu)以及它們之間的相互作用，增強人類對新藥的發(fā)現(xiàn)方法與效率。

例如，用AlphaFold 3去預測新冠病毒（COVID-19）的刺突蛋白結(jié)構(gòu)，深度解讀病毒與宿主細胞ACE2受體之間的相互作用關(guān)系。

醫(yī)療研究人員便能基于該結(jié)構(gòu)的完整信息快速開發(fā)一種小分子藥物，阻斷新冠與ACE2的結(jié)合，從而有效地阻止病毒的入侵、復制和傳播。再經(jīng)過多輪動物、臨床、人體的實驗，一款特效藥、疫苗就能快速誕生了。

所以，不少醫(yī)學領(lǐng)域的科學家對AlphaFold 3的評價非常高，認為AI也有機會去競爭醫(yī)學領(lǐng)域的諾貝爾獎。

目前，AlphaFold 3已經(jīng)免費提供在線使用，手稿論文已在全球頂級期刊《自然》上發(fā)布，稍后會推出編輯整理版。

論文地址：https://www.nature.com/articles/s41586-024-07487-w#citeas

谷歌表示，自AlphaFold系列模型發(fā)布以來，全球數(shù)百萬科研人員在其幫助下實現(xiàn)了多項技術(shù)突破，在瘧疾疫苗、癌癥治療和酶設(shè)計等獲得了大獎。

最新發(fā)布的AlphaFold 3是在2代模型基礎(chǔ)之上研發(fā)而成，并且使用了全新擴散模型、Pairformer等創(chuàng)新模塊，進一步增強對蛋白質(zhì)的預測準確率以及架構(gòu)解讀。

解讀AlphaFold 3創(chuàng)新模塊

從AlphaFold 3的論文來看，雖然AlphaFold 2在預測蛋白質(zhì)結(jié)構(gòu)方面已經(jīng)很優(yōu)秀，但研究人員為了進一步提升其準確率和泛化能力，在AlphaFold 3引入了生成式AI領(lǐng)域非常火的擴散模型。

使用擴散模型的好處是，可以直接在原始原子坐標上操作，而不需要依賴于氨基酸特定的框架或側(cè)鏈扭轉(zhuǎn)角度。這種直接預測原子坐標的方法有助于減少立體化學的損失。

其核心思想是將結(jié)構(gòu)預測問題轉(zhuǎn)化為一個逆向過程，從帶有噪聲的坐標中恢復出真實的生物分子結(jié)構(gòu)。這個過程通過逐步去噪，逐漸精細化結(jié)構(gòu)預測?？芍笇lphaFold 3學習如何從噪聲數(shù)據(jù)中恢復出準確的蛋白質(zhì)結(jié)構(gòu)信息。

在上一代AlphaFold 2模型中，Evoformer模塊對準確預測蛋白質(zhì)結(jié)構(gòu)發(fā)揮了重要作用，負責處理多序列比對(MSA)表示、成對表示和單個殘基表示。但Evoformer也有一個非常致命的缺點，就是對算力的消耗非常大，不適用于批量大規(guī)模業(yè)務(wù)。

所以，在AlphaFold 3中用Pairformer替代了Evoformer模塊，徹底去除了對MSA表示的處理,只保留了簡單、高效的成對表示和單個殘基表示。

Pairformer模塊只有4個transformer塊組成,僅使用簡單的加權(quán)平均方法處理MSA表示,接著所有信息都通過成對表示傳遞給48個標準的transformer塊進一步處理數(shù)據(jù)。

這種巧妙的設(shè)計不僅極大節(jié)省了算力，還提升了AlphaFold 3的預測泛化能力，可輕松預測各種非天然化合物。

根據(jù)谷歌公布的測試數(shù)據(jù)顯示，AlphaFold 3 的準確性比 PoseBusters 基準測試中最佳傳統(tǒng)方法高出50%，這也是首個超越基于物理的生物分子結(jié)構(gòu)預測AI模型。

為什么預測蛋白質(zhì)結(jié)構(gòu)很重要

所有的植物、動物和人類細胞內(nèi)部都有數(shù)十億的分子機器，并由蛋白質(zhì)、DNA等多種分子組成。

但是，這些分子并不是獨立工作的，它們需要互相配合才能完成復雜的生命活動。只有通過研究這些分子如何協(xié)同工作，我們才能真正理解生命的運作過程。

例如，當你吃東西的時候體內(nèi)的消化酶（一種蛋白質(zhì)）就開始工作，幫助你分解食物。消化酶需要與食物中的分子相互作用，把大的分子分解成小的分子，身體才能吸收這些營養(yǎng)物質(zhì)。

因此，蛋白質(zhì)在所有生物過程中都扮演關(guān)鍵角色，包括細胞信號傳遞、免疫反應(yīng)、代謝和細胞結(jié)構(gòu)維持等。

很多疾病，例如，癌癥、阿爾茨海默病、心血管疾病等，都與蛋白質(zhì)的異常功能或折疊有關(guān)。

只有通過預測和理解特定蛋白質(zhì)的結(jié)構(gòu)，醫(yī)療科學家可以更好地理解疾病的分子基礎(chǔ)，進而發(fā)現(xiàn)疾病的成因和潛在的治療目標，加速醫(yī)藥的研發(fā)進程。

本文素材來源谷歌官網(wǎng)、AlphaFold 3論文，如有侵權(quán)請聯(lián)系刪除

END

繼續(xù)閱讀：

未經(jīng)允許不得轉(zhuǎn)載：RPA中國 | RPA全球生態(tài) | 數(shù)字化勞動力 | RPA新聞 | 推動中國RPA生態(tài)發(fā)展 | 流 > 谷歌重磅發(fā)布AlphaFold 3，增強人類發(fā)現(xiàn)新藥方法！