Společnost Google DeepMind zveřejnila zdrojové kódy strojového učení AlphaFold 3, navržené pro predikci trojrozměrné struktury proteinů a modelování interakcí proteinů s jinými typy molekul. Za vývoj algoritmů strojového učení, implementovaných ve druhé verzi AlphaFold, byla letos udělena Nobelova cena za chemii. Nástroje související s AlphaFold 3 jsou napsány v Pythonu a C++ a jsou distribuovány pod licencí CC BY-NC-SA 4.0. Natrénované modely jsou poskytovány na základě uživatelské dohody. Byla také spuštěna serveronline platforma, která umožňuje experimentovat s AlphaFold 3.
Model, který byl vytrénován na kolekci popisující struktury všech známých proteinů a aminokyselinových sekvencí, řeší problém skládání proteinů a umožňuje predikci trojrozměrné struktury nových proteinů s přesností alespoň srovnatelnou s laboratorní analýzou, přičemž při hodnocení interakcí proteinů s jinými molekulami výrazně překonává stávající metody predikce. Třetí verze modelu AlphaFold se vyznačuje využitím nové architektury „Pairformer“, která vyvíjí myšlenku architektury „transformer“.
Na rozdíl od AlphaFold 2 nová verze není omezena na proteiny složené z jedné polypeptidové řetězce a může být použita pro predikci proteinových komplexů s DNA a RNA, stejně jako pro modelování modifikovaných variant těchto molekul. Na vstupu se AlphaFold přebírá seznam molekul a na výstupu se generuje společná 3D struktura, která určuje nejpravděpodobnější interakce uvedených molekul.
Z praktického hlediska lze AlphaFold 3 použít pro vývoj léků a léčebných metod a také pro vytváření nových proteinů. Například pomocí AlphaFold byl navržen protein schopný se přichytnout na určité rakovinné buňky, což může být využito v onkologické terapii nové generace. AlphaFold se také aktivně používá při studiu interakcí protilátek s proteiny k pochopení lidské imunitní reakce a vytváření nových protilátek.
Zdroj: opennet.ru
