美東時間周三，谷歌DeepMind發(fā)布了新一代預測蛋白質結構的AlphaFold 3模型，能夠幫助科學家更精確地針對疾病機制，從而開發(fā)出更有效的治療藥物。DeepMind研究人員表示，AlphaFold 3是一種人工智能(AI)模型，它可以預測蛋白質、DNA、RNA等生物分子的結構以及它們如何相互作用。

DeepMind首席執(zhí)行官戴密斯·哈薩比斯在周二的新聞發(fā)布會上表示，AlphaFold 3對我們來說是一個重要的里程碑。“生物學是一個動態(tài)系統(tǒng)，你必須了解生理特性是如何通過細胞中不同分子之間的相互作用而產(chǎn)生的。你可以把AlphaFold 3看作是我們朝著這個方向邁出了一大步。”

哈薩比斯補充說，相關的突破性研究論文將于周三發(fā)表在《自然》上，AlphaFold 3可以顯著減少開發(fā)改變生活的治療手段所需的時間和資金。

另外，DeepMind還推出了AlphaFold Server，它是一個供全球科學家用于非商業(yè)研究的免費平臺。

里程碑式突破

在2018年，DeepMind推出了第一代AlphaFold模型，在國際蛋白質結構預測競賽中獲得了第一名。2020年，AlphaFold 2繼續(xù)顯示出驚人的預測準確度，被認為是蛋白質結構預測領域的里程碑式突破。

如今，AlphaFold 3則更進一步，預測了幾乎所有生物分子的結構，并模擬了這些分子之間的相互作用。雖然研究人員早已開發(fā)出專門的計算方法來模擬特定類型的生物分子之間的相互作用，但AlphaFold 3是首次有一個單一的系統(tǒng)能夠以最先進的性能預測幾乎所有分子類型之間的相互作用。

若利用普通實驗方法來了解分子間的相互作用可能需要數(shù)年的研究時間，而且成本高得令人望而卻步。但如果這些相互作用能夠以足夠的精度通過計算來獲得，那么生物學研究就可以大大加快。

例如，如果研究人員認為，一個能夠結合到特定蛋白質位點的分子可能是一個有前景的藥物候選物，他們可以使用像AlphaFold 3這樣的AI系統(tǒng)來測試潛在的藥物分子。

諾貝爾獎獲得者、遺傳學家保羅·納斯評論稱，AlphaFold正在不斷改進，并且對于生物學研究越來越重要了。AlphaFold 3能夠以更高的準確性預測不同大分子之間復合物的結構，以及大分子、小分子和離子之間的相互作用。

南安普頓大學的Ivo Tews博士稱AlphaFold 3是一個飛躍，并表示他的實驗室將用它來開發(fā)用于治療癌癥的藥物。他補充說：“這將節(jié)省大量的時間，并通過生成模型來加速研究，然后我們可以用新的實驗來探索。”

來源：財聯(lián)社 作者：牛占林