谷歌DeepMind发布AlphaFold 3 有望加速特效药研发

noBug

2024-5-9 / 0 评论 / 301 阅读

5/9

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。

谷歌DeepMind发布AlphaFold 3 有望加速特效药研发

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Alp[]haFold[]3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，Al[]phaFol[]d3已经免费[]提供在线使用[]，其论文已在[]《自然》期刊[]上发表。

AlphaF[]old3在2[]代模型的基础[]上进行了改进[]，采用了新的[]扩散模型和P[]airfor[]mer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Al[]phaFol[]d3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[]。

AlphaF[]old3还引[]入了Pair[]former[]模块，以替代[]AlphaF[]old2中的[]Evofor[]mer模块，[]解决了后者对[]算力消耗大的[]问题。Pai[]rforme[]r由4个tr[]ansfor[]mer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[]。