Google DeepMind ha publicado el código fuente del sistema de aprendizaje automático AlphaFold 3, diseñado para predecir la estructura tridimensional de proteínas y modelar la interacción de proteínas con otro tipo de moléculas. El Premio Nobel de Química se otorgó este año por la creación de algoritmos de aprendizaje automático implementados en la segunda versión de AlphaFold. El kit de herramientas AlphaFold 3 asociado está escrito en Python y C++ y tiene licencia CC BY-NC-SA 4.0. Los modelos entrenados se proporcionan según el acuerdo de usuario. Se ha lanzado un servidor por separado, que le permite experimentar con AlphaFold 3 en línea.
El modelo, que se basa en una colección que describe las estructuras de todas las proteínas y secuencias de aminoácidos conocidas, resuelve el problema del plegamiento de proteínas y permite predecir la estructura tridimensional de nuevas proteínas con una precisión al menos no inferior a la del laboratorio. El análisis y la evaluación de la interacción de proteínas con otros tipos de moléculas son significativamente superiores a los métodos de pronóstico existentes. La tercera versión del modelo AlphaFold se distingue por el uso de la nueva arquitectura “Pairformer”, que desarrolla la idea de la arquitectura “transformer”.
A diferencia de AlphaFold 2, la nueva versión no se limita a proteínas que consisten en una sola cadena polipeptídica, y puede usarse para predecir complejos de proteínas con ADN y ARN, así como modelar versiones modificadas de estas moléculas. Se pasa una lista de moléculas a la entrada de AlphaFold y en la salida se forma una estructura 3D conjunta, que determina la interacción más probable de las moléculas especificadas.
Desde el punto de vista práctico, AlphaFold 3 se puede utilizar para desarrollar medicamentos y tratamientos, así como para crear nuevas proteínas. Por ejemplo, utilizando AlphaFold, se diseñó una proteína que puede adherirse a ciertas células cancerosas, lo que puede usarse en una nueva generación de terapias contra el cáncer. AlphaFold también se utiliza activamente en el estudio de las interacciones anticuerpo-proteína para comprender la respuesta inmune humana y crear nuevos anticuerpos.
Fuente: opennet.ru
