گوگل دیپمایند کد منبع سیستم یادگیری ماشینی آلفافولد ۳ خود را منتشر کرده است که برای پیشبینی ساختار سهبعدی پروتئینها و مدلسازی تعاملات آنها با سایر انواع مولکولها طراحی شده است. جایزه نوبل شیمی امسال به الگوریتمهای یادگیری ماشینی پیادهسازی شده در نسخه دوم آلفافولد اهدا شد. جعبه ابزار مرتبط با آلفافولد ۳ با زبانهای پایتون و سیپلاسپلاس نوشته شده و تحت مجوز CC BY-NC-SA 4.0 توزیع شده است. مدلهای آموزشدیده تحت توافقنامه کاربر ارائه میشوند. راهاندازی جداگانه سرور، به شما امکان میدهد تا با AlphaFold 3 به صورت آنلاین آزمایش کنید.
این مدل که بر روی مجموعهای آموزش داده شده است که ساختار همه پروتئینهای شناخته شده و توالیهای اسید آمینه را توصیف میکند، مشکل تاخوردگی پروتئین را حل میکند و امکان پیشبینی ساختار سه بعدی پروتئینهای جدید را با دقتی حداقل نسبت به آزمایشگاه ممکن میسازد. تجزیه و تحلیل، و هنگام ارزیابی برهمکنش پروتئین ها با انواع دیگر مولکول ها، به طور قابل توجهی نسبت به روش های موجود پیش بینی برتری دارد. نسخه سوم مدل AlphaFold با استفاده از معماری جدید "Pairformer" متمایز می شود که ایده معماری "ترانسفورماتور" را توسعه می دهد.
برخلاف AlphaFold 2، نسخه جدید به پروتئین های متشکل از یک زنجیره پلی پپتیدی منفرد محدود نمی شود و می تواند برای پیش بینی کمپلکس های پروتئینی با DNA و RNA و همچنین مدل سازی نسخه های اصلاح شده این مولکول ها استفاده شود. لیستی از مولکول ها به ورودی AlphaFold ارسال می شود و یک ساختار سه بعدی مشترک در خروجی تشکیل می شود که محتمل ترین برهمکنش مولکول های مشخص شده را تعیین می کند.
از جنبه عملی، AlphaFold 3 می تواند برای توسعه داروها و درمان ها و همچنین ایجاد پروتئین های جدید استفاده شود. به عنوان مثال، با استفاده از AlphaFold، پروتئینی طراحی شد که می تواند به سلول های سرطانی خاصی بچسبد که می تواند در نسل جدیدی از درمان ضد سرطان استفاده شود. AlphaFold همچنین به طور فعال در مطالعه برهمکنش های آنتی بادی- پروتئین برای درک پاسخ ایمنی انسان و ایجاد آنتی بادی های جدید استفاده می شود.
منبع: opennet.ru
