Google выпускает модель искусственного интеллекта-блокбастера! Предсказание всех биомолекул на Земле значительно ускорит исследования в области лечения таких заболеваний, как рак.

DeepMind, принадлежащий Google, в одночасье вызвал переполох в академическом мире.

8 мая DeepMind официально анонсировала новую модель искусственного интеллекта: AlphaFold 3.

Соответствующие научные статьи были опубликованы в авторитетном журнале «Природа» и сразу же заняли первые полосы.

После ChatGPT существует бесчисленное множество моделей искусственного интеллекта, но наиболее подходящей для того, чтобы претендовать на изменение мира, может быть только AlphaFold 3.

Суперэволюция AlphaFold делает биологический мир более «высоким разрешением»

На уроках биологии в средней школе мы узнали, что белки представляют собой длинноцепочечные молекулы, образованные путем соединения аминокислот посредством пептидных связей и свернутые в сложные трехмерные структуры в пространстве.

Трехмерная структура определяет функцию белка и напрямую влияет на разработку лекарств и лечение заболеваний.

Можно сказать, что предсказание структуры белка является одним из наиболее важных положений биологии.

Однако предсказание трехмерной структуры белков является сложной задачей и часто требует сложных экспериментов. Эту проблему даже называют «проблемой, которая беспокоит биологов уже 50 лет».

В 2016 году AlphaGo от DeepMind победила профессионального игрока с девятью данами и переписала древний навык го.

AlphaFold от DeepMind хочет расшифровать коды биологии и заглянуть в тайны самой жизни.

В 2018 году был выпущен AlphaFold 1.

В 2020 году был запущен AlphaFold 2, который уже может точно предсказывать форму белков в больших масштабах и вплоть до атомного уровня за считанные минуты.

Теперь у нас есть AlphaFold 3, ИИ с еще большими амбициями: выйти за рамки белков и исследовать все биологические молекулы.

Биомолекулы — это молекулы, из которых состоят живые организмы, включая белки, ДНК, РНК и т. д.

DeepMind считает, что только поняв, как биомолекулы взаимодействуют в миллионах комбинаций, мы сможем по-настоящему понять процессы жизни.

Одним словом, AlphaFold 3 охватывает более широкий диапазон, чем его предшественник, и может точно предсказывать структуру биологических молекул, таких как белки, ДНК, РНК, лиганды, и то, как они взаимодействуют.

Давайте сначала посмотрим на некоторые результаты прогнозов AlphaFold 3.

7PNM — это шиповидный белок вируса простуды.

Как показано на рисунке, AlphaFold 3 предсказывает структуру 7PNM (синяя часть) при его взаимодействии с антителами (зеленая часть) и моносахаридами (желтая часть), что соответствует реальной структуре (серая часть).

В этих предсказаниях есть смысл. Изучая эти белки, ученые смогут лучше понять иммунную систему и коронавирусы, включая COVID-19, и даже найти лучшие варианты лечения.

Помимо белковых структур, AlphaFold может предсказывать молекулярные комплексы, сложные структуры, состоящие из нескольких молекул.

Фермент, изображенный ниже, происходит от почвенного гриба, вредного для растений.

Результаты прогноза AlphaFold, включая белок-фермент (синяя часть), ион (желтая сфера) и некоторые моносахариды (желтая часть), соответствуют реальной структуре (серая часть).

Более глубокое понимание того, как этот фермент взаимодействует с растительными клетками, может помочь исследователям создать более здоровые и устойчивые культуры, что принесет практическую пользу сельскохозяйственному производству.

Аналогично, AlphaFold 3 предсказывает молекулярный комплекс, состоящий из белка (синяя часть), цепи РНК (фиолетовая часть) и двух ионов (желтая часть), который также близко соответствует реальной структуре (серая часть).

Этот комплекс участвует в синтезе белка — одном из основных процессов жизнедеятельности и здоровья клеток, и его научное значение столь же велико.

Демонстрируя точность результатов прогнозирования и подчеркивая связанные с ним варианты использования, DeepMind хочет сообщить миру, что AlphaFold 3 — это «революционная модель».

С одной стороны, область исследования шире. Расширение поля зрения за пределы белков, особенно малых молекул, таких как лиганды, может охватить больше лекарств.

С другой стороны, точность также повышается. Что касается взаимодействий белков с другими типами молекул, AlphaFold 3 повышает точность как минимум на 50% по сравнению с существующими методами прогнозирования. Некоторые важные взаимодействия были даже улучшены на 100%.

Таким образом, AlphaFold 3 может принести пользу большему количеству исследований, ускорить разработку лекарств, продвигать геномику, выращивать более здоровые сельскохозяйственные культуры, разрабатывать биовозобновляемые материалы…

Говоря о технических принципах, AlphaFold 3 основан на усовершенствовании AlphaFold 2. Ядром является архитектура глубокого обучения Evoformer, в которой используется диффузионная сеть, аналогичная Midjourney.

Процесс использования AlphaFold 3 чем-то похож на общение с большой языковой моделью. Введите описание биомолекулы, и AlphaFold 3 сгенерирует трехмерную структуру этих молекул и изучит, как они взаимодействуют.

Процесс предоставления результатов прогнозирования AlphaFold 3 аналогичен модели диффузии графов Винсента AI, которая постепенно удаляет шум, начиная с нечеткого атомного облака и постепенно сходясь к точной молекулярной структуре.

Генеративный искусственный интеллект, говорящий на человеческом языке, повышает производительность труда работников офисов. AlphaFold означает для ученых не что иное, как это.

Прогнозирование структуры белка в лаборатории может стоить доктору наук времени и сотни тысяч долларов. Существуют сотни миллионов предсказаний, и даже миллионы людей, возможно, не смогут осуществить их в течение своей жизни.

Но с AlphaFold ученые могут задавать смелые вопросы, выдвигать инновационные гипотезы, а затем проверять их в лаборатории, чтобы ускорить исследовательский процесс.

Предложения от DeepMind достаточно, чтобы обобщить значение AlphaFold 3 для обычных людей:

AlphaFold 3 переносит мир биологии в HD.

Отдайте AlphaFold миру в ожидании нового возрождения научных открытий

Чтобы высмеять закрытый исходный код OpenAI, Маск дал ему прозвище: CloseAI.

Google, который внес свой вклад в несколько статей OpenAI, в некоторых аспектах придерживается более открытого исходного кода.

В июле 2021 года AlphaFold 2 опубликовала статью в журнале Nature, а также сделала код открытым.

На сегодняшний день AlphaFold 2 используется для прогнозирования сотен миллионов структур. Миллионы исследователей по всему миру используют AlphaFold 2 в таких областях, как вакцины против малярии, лечение рака и разработка ферментов.

Также в июле 2021 года DeepMind в сотрудничестве с Европейским институтом биоинформатики (EMBL-EBI) выпустила базу данных о структуре белков AlphaFold, предоставляющую наиболее полную и точную на сегодняшний день картину протеома человека.

DeepMind упомянул в своем официальном блоге, что это один из самых важных наборов данных со времени картирования генома человека. Теперь они бесплатно передадут возможности AlphaFold в руки научных исследователей по всему миру.

В течение года более 500 000 исследователей использовали базу данных AlphaFold для просмотра более 2 миллионов структур, ускоряя решение реальных проблем, таких как загрязнение пластиком и устойчивость к антибиотикам.

С тех пор база данных продолжает расширяться.

В июле 2022 года DeepMind опубликовала предсказанные структуры почти всех известных науке белков общим числом более 200 миллионов, куда помимо человека входят также предсказанные структуры растений, бактерий, животных и других организмов.

База данных AlphaFold похожа на «поиск в Google» белковых структур, а также на звездную белковую вселенную. Трехмерная структура белка является краеугольным камнем жизни. Она выглядит изысканно и красиво, заставляя людей восхищаться волшебством творения природы.

Однако выпущенный на этот раз AlphaFold 3 имеет несколько более консервативный подход, чем AlphaFold 2, что вызвало некоторую критику.

AlphaFold 3 в настоящее время не имеет открытого исходного кода и не может быть развернут локально. Исследователи могут получить бесплатный доступ к большинству функций только через новейшую исследовательскую платформу AlphaFold Server от DeepMind, и ее использование является некоммерческим.

Больше всего научный прогресс тормозит количество обращений к сервису: в день можно сделать всего 10 прогнозов.

За скупым поведением DeepMind могут стоять свои собственные деловые соображения: ее дочерняя компания Isomorphic Labs сотрудничает с фармацевтическими компаниями для применения AlphaFold 3 при разработке лекарств.

Демис Хассабис, соучредитель и генеральный директор Google DeepMind, выразил оптимизм по поводу того, что первые лекарства, разработанные с помощью ИИ, могут быть готовы к испытаниям в течение следующих нескольких лет.

Конечно, у AlphaFold все еще есть ограничения.

Китайский структурный биолог Ян Нин однажды в 2022 году ответил на вопрос о том, заменит ли AlphaFold 2 ученых.

Что касается Nav/Cav, AlphaFold 2 все еще застрял на уровне 2017 года, и при тестировании взаимодействия между новыми малыми молекулами и белками ни один из прогнозов ИИ не оказался верным.

Ян Нин объяснил, что биоструктурная наука занимается не только сворачиванием, но и пониманием динамических изменений белков, пониманием взаимодействий с другими биологическими макромолекулами или регуляторными малыми молекулами, а также пониманием состояния клеток in situ. Поскольку данных недостаточно, это так. all Это область, где ИИ по-прежнему бессилен.

Сегодня AlphaFold 3 делает большой шаг вперед там, где AlphaFold 2 потерпел неудачу, позволяя нам увидеть возможность предсказания взаимодействий различных биомолекул, но он по-прежнему ориентирован на статические предсказания молекулярных структур, которые иногда могут вызывать галлюцинации.

В предыдущем интервью Демис Хассабис раскритиковал шумиху вокруг ИИ.

Он считает, что ИИ следует использовать в качестве «совершенного инструмента науки», такого как модель AlphaFold для предсказания структуры белка. Человечество вот-вот возвестит новый ренессанс научных открытий.

Герой видит то же самое. Хуан Дженсюнь из Nvidia также очень оптимистичен в отношении направления ИИ в медицине и биотехнологиях. Он представил множество медицинских услуг ИИ на конференции GTC AI 2024 года и достиг соглашений с такими компаниями, как Johnson & Johnson в этой области. хирургии и медицинской визуализации сотрудничают.

Сора имитирует физический мир, а AlphaFold 3 позволяет нам понять биологический мир и вернуться к нашим первоначальным ожиданиям от ИИ — ускорить научные открытия, способствовать человеческому прогрессу и понять саму жизнь.

Хотя до AGI еще далеко, текст, картинки, видео и молекулы белка отличаются друг от друга, но перекликаются друг с другом.

ИИ действительно стал настолько мощным и все более актуальным в повседневной жизни, и мы можем ожидать появления новых инноваций и разгадки новых загадок каждый день.

# Добро пожаловать на официальную общедоступную учетную запись WeChat Aifaner: Aifaner (идентификатор WeChat: ifanr). Более интересный контент будет предоставлен вам как можно скорее.

Ай Фанер | Исходная ссылка · Посмотреть комментарии · Sina Weibo