Blog
DeepMind的最新AlphaFold：開創藥物發現新篇章，但仍有待完善
DeepMind的最新AlphaFold：開創藥物發現新篇章，但仍有待完善
November 1, 2023
重點摘要：
新聞內文：
將近五年前，DeepMind，Google旗下一個更多以AI為中心的研究實驗室，推出了「AlphaFold」，一個可以準確預測人體內許多蛋白質結構的AI系統。自那以後，DeepMind不斷改進該系統，於2020年推出了更新更強大的「AlphaFold 2」。
而該實驗室的工作還在繼續。
今天，DeepMind公布了最新版本的AlphaFold，AlphaFold 2的繼承者，它可以為Protein Data Bank中的幾乎所有分子生成預測，該數據庫是全球最大的生物分子開放存取數據庫。
已經有一家名為「Isomorphic Labs」的DeepMind子公司專注於藥物發現，正在應用新的AlphaFold模型用於治療藥物設計，根據DeepMind部落格上的一篇文章，幫助特徵化對治療疾病至關重要的不同類型的分子結構。
新功能
新的AlphaFold的功能不僅限於蛋白質預測。
DeepMind聲稱該模型還可以準確預測配體的結構 - 這些是與「受體」蛋白質結合並引起細胞通訊方式變化的分子以及核酸。
DeepMind指出，預測蛋白質配體結構對藥物發現可以是一個有用的工具，因為它可以幫助科學家識別和設計可能成為藥物的新分子。
目前，製藥研究人員使用稱為「對接方法」的計算機模擬來確定蛋白質和配體將如何相互作用。對接方法需要指定參考蛋白質結構和配體在該結構上建議的位置。
然而，使用最新的AlphaFold，不需要使用參考蛋白質結構或建議的位置。該模型可以預測以前尚未「結構化」的蛋白質，同時模擬蛋白質和核酸如何與其他分子相互作用。這是DeepMind稱今天的對接方法無法實現的建模水平。
DeepMind在貼文中寫道：「早期分析還顯示，我們的模型在一些與藥物發現有關的蛋白質結構預測問題上遠遠超越了『上一代』AlphaFold，比如抗體結合」。「我們模型的劇烈飛躍表明AI有潛力極大地增強對構成人體的分子機器的科學理解」。
然而，最新的AlphaFold並不完美。
在一份詳細介紹系統優點和局限性的白皮書中，DeepMind和Isomorphic Labs的研究人員透露，該系統在預測RNA分子的結構方面不如最佳方法 - 這些是體內携帶蛋白質製造指令的分子。
毫無疑問，DeepMind和Isomorphic Labs都在努力解決這個問題。
新聞原址： https://techcrunch.com/2023/10/31/deepminds-latest-alphafold-model-is-more-useful-for-drug-discovery/
- DeepMind推出了最新版本的AlphaFold，這個AI模型能夠為全球最大的生物分子開放存取數據庫Protein Data Bank中的幾乎所有分子生成預測。
- 新的AlphaFold不僅能預測蛋白質結構，還能預測配體和核酸的結構，這對藥物發現具有重要意義。
- 儘管新的AlphaFold在預測RNA分子結構方面存在局限性，但DeepMind和其子公司Isomorphic Labs正積極解決這一問題。
新聞內文：
將近五年前，DeepMind，Google旗下一個更多以AI為中心的研究實驗室，推出了「AlphaFold」，一個可以準確預測人體內許多蛋白質結構的AI系統。自那以後，DeepMind不斷改進該系統，於2020年推出了更新更強大的「AlphaFold 2」。
而該實驗室的工作還在繼續。
今天，DeepMind公布了最新版本的AlphaFold，AlphaFold 2的繼承者，它可以為Protein Data Bank中的幾乎所有分子生成預測，該數據庫是全球最大的生物分子開放存取數據庫。
已經有一家名為「Isomorphic Labs」的DeepMind子公司專注於藥物發現，正在應用新的AlphaFold模型用於治療藥物設計，根據DeepMind部落格上的一篇文章，幫助特徵化對治療疾病至關重要的不同類型的分子結構。
新功能
新的AlphaFold的功能不僅限於蛋白質預測。
DeepMind聲稱該模型還可以準確預測配體的結構 - 這些是與「受體」蛋白質結合並引起細胞通訊方式變化的分子以及核酸。
DeepMind指出，預測蛋白質配體結構對藥物發現可以是一個有用的工具，因為它可以幫助科學家識別和設計可能成為藥物的新分子。
目前，製藥研究人員使用稱為「對接方法」的計算機模擬來確定蛋白質和配體將如何相互作用。對接方法需要指定參考蛋白質結構和配體在該結構上建議的位置。
然而，使用最新的AlphaFold，不需要使用參考蛋白質結構或建議的位置。該模型可以預測以前尚未「結構化」的蛋白質，同時模擬蛋白質和核酸如何與其他分子相互作用。這是DeepMind稱今天的對接方法無法實現的建模水平。
DeepMind在貼文中寫道：「早期分析還顯示，我們的模型在一些與藥物發現有關的蛋白質結構預測問題上遠遠超越了『上一代』AlphaFold，比如抗體結合」。「我們模型的劇烈飛躍表明AI有潛力極大地增強對構成人體的分子機器的科學理解」。
然而，最新的AlphaFold並不完美。
在一份詳細介紹系統優點和局限性的白皮書中，DeepMind和Isomorphic Labs的研究人員透露，該系統在預測RNA分子的結構方面不如最佳方法 - 這些是體內携帶蛋白質製造指令的分子。
毫無疑問，DeepMind和Isomorphic Labs都在努力解決這個問題。
新聞原址： https://techcrunch.com/2023/10/31/deepminds-latest-alphafold-model-is-more-useful-for-drug-discovery/