AlphaFold 3-opgradering muliggør forudsigelse af andre typer biomolekylære systemer

Et kombineret team af medicinske forskere og AI-systemspecialister fra Googles Deep Mind-projekt og Isomorphic Labs, begge i London, har foretaget, hvad gruppen beskriver som væsentlige forbedringer af AlphaFold 2, der gør det muligt for applikationen at forudsige strukturen af ​​en lang række forskellige af biomolekylære systemer mere bredt og præcist. Den nye iteration kaldes AlphaFold 3.

I deres undersøgelse offentliggjort i tidsskriftet Nature , brugte gruppen diffusionsteknikker til at lave forbedringer af den underliggende arkitektoniske model af applikationen for at give mulighed for at lave mere generelle forudsigelser.

Den første version af det deep-learning-baserede AI-system AlphaFold blev udgivet for blot fire år siden og blev bebudet for sin evne til at lave præcise forudsigelser om strukturen af ​​proteiner ved hjælp af sekvenser af aminosyrer. Det har også hjulpet forskere med bedre at forstå, hvordan proteiner virker. AlphaFold 2 byggede på sådanne egenskaber og udvidede de komplekser, der kunne forudsiges.

I denne nye iteration har forskerholdet givet applikationen evnen til at forudsige biomolekylære systemer ud over proteiner. Det kan forudsige ligander, for eksempel, eller RNA- eller DNA-strukturer. De bemærker, at det endda kan komme med forudsigelser om strukturen af ​​ioner, nukleinsyrer, andre proteiner og interaktioner mellem antistoffer og antigener.