所有生命分子皆可AI預測！ AlphaFold3來了，全球科學家免費使用 https://www.qbitai.com/2024/05/140560.html 夢晨明敏 用上擴散模型，預測每個原子的3D座標 AlphaFold 3再登Nature！ 這次重磅升級，不再僅限於蛋白質結構預測——可以以前所未有的精度預測所有生命分子 的結構和相互作用。 只有了解它們如何在數百萬種組合中相互作用，我們才能開始真正理解生命的過程。 這次的最大創新之一，是用上了AI繪畫上常見的去噪擴散模型，直接產生每個原子的3D座 標。 現在，AlphaFold 3對普通感冒病毒Spike蛋白（藍色）的結構預測，灰色部分為預測結果 。這能讓人類更進一步了解冠狀病毒。 https://tinyurl.com/k5uw6bvk 對蛋白質和DNA結合的分子複合物進行預測，其預測結果與真實結構幾乎一致。 在不輸入任何結構資訊的情況下，AlphaFold3預測準確度比現有方法提高了50%，對於部 分交互作用類別甚至提高了1倍。 這使得AlphaFold 3成為首個超越基於真實生物分子結構預測工具的AI系統。 而且全球科學家透過AlphaFold伺服器即可免費存取使用AlphaFold 3進行非商業研究（開 放大部分功能）。 DeepMind聯創兼CEO哈撒比斯在發表會上非常肯定地表示，AlphaFold 3是人類了解生物學 動態系統歷史性的第一步。 網友都紛紛感慨：這就是AI的用處所在啊。 用擴散網絡產生預測結果 事實上，在AlphaFold 3之前也進行過一系列小規模更新，重點提高了對蛋白質複合體的 預測精度。 所以總結下來： AlphaFold，開創了蛋白質結構預測的新時代 AlphaFold 2，大幅提高了預測精度 AlphaFold-Multimer，將預測範圍擴展到具有多個蛋白質鏈的複合物 AlphaFold 2.3，它提高了性能並將覆蓋範圍擴大到更大的複合物 這次革命性的AlphaFold 3，繼續將預測範圍擴展到蛋白質、DNA、RNA以及一系列配體、 離子和化學修飾等更多生物分子結構。 AlphaFold 3建立在AlphaFold 2的基礎上，但在架構和訓練過程上有很大改進： 遺傳特徵編碼器(MSA module)被大幅簡化，聚焦在提取更關鍵的演化訊息。 成對殘基關係編碼器(Pairformer)取代了原有的演化特徵處理單元(Evoformer)，增強了 複雜交互作用模式的建模能力。 結構生成器從以胺基酸為中心，改為直接預測原子座標，增加了處理通用分子結構的彈性 。 為了避免擴散方法在一些無結構區域產生幻覺，也引入了一種新的交叉蒸餾方法，透過 AlphaFold-Multimer v2預測的結構資料來豐富訓練資料。 更讓人驚嘆的是，AlphaFold 3即便在訓練資料極度匱乏的領域，也展現出了驚人的泛化 能力。 舉個例子，在CASP15的RNA預測任務中，它在10個公開標靶上的平均表現超過了專門的RNA 結構預測模型。要知道，這可是在幾乎沒有RNA訓練資料的情況下實現的。 儘管AlphaFold 3在多個維度實現了突破，但它並非完美無缺。例如在對映異構、自相互 作用等方面，它仍有一定限制。 此外，它目前專注的是分子結構的靜態預測，對動力學行為的刻畫還不夠。對人工合成分 子的適用性也有待考證。 AlphaFold 3偶爾也會產生錯誤，對無序區域產生幻覺，導致對某些目標的預測準確性降 低。 目前的緩解手段，是在生成時使用多個隨機種子，確保正確的手性並避免蛋白質-配體輕 微碰撞。 但瑕不掩瑜，AlphaFold 3的意義不僅在於具體指標的躍升，而是展示了用統一的深度學 習架構，來建模複雜生命系統組件之間相互作用的可能性。 AlphaFold開始商業化 2021年AlphaFold世代推出後，GoogleDeepMind積極為其尋找商業化途徑，並成立了 Isomorhpic Labs公司。 這次雖然以GoogleDeepMind的名義新推出了免費的AlphaFold Server，號稱科學家只需點 擊幾下就模擬由蛋白質、DNA、RNA 以及一系列配體、離子和化學修飾組成的結構。 然而Nature報告指出，科學家對AlphaFold 3伺服器的存取是有限的。目前每天只能進行 10次預測，而且不可能獲得可能與藥物結合的蛋白質結構。 Isomorphic Labs正在使用AlphaFold3透過自己的管道或與其他製藥公司合作開發藥物。 審稿人也在線上喊話哈撒比斯，自己從伺服器上得到了非常好的結果，但是發布論文 裡為什麼沒有給程式碼？ 他在審查評論中列出了AlphaFold2程式碼發布後的一系列科學事件，它認為如果不公佈程 式碼就不會有這麼多科學成果。 不過，可不要小看開源社群的力量。 可能不少人論文都沒看完，開源復現工作就已經開啟了。 雖然現在還只是空倉，但網友推測，對於復現過ViT、DALL·E 2、Imagen等工作的這位大 神來說，可能幾天之內就能完成。 目前Nature已經放出的AlphaFold3論文預印版。有興趣的同學可以前去了解。 論文地址： https://www.nature.com/articles/s41586-024-07487-w 參考連結： [1]https://www.nature.com/articles/d41586-024-01383-z [2]https://www.isomorphiclabs.com/articles/a-glimpse-of-the-next- generation-of-alphafold [3]https://github.com/lucidrains/alphafold3-pytorch --

※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 219.87.176.211 (臺灣) ※ 文章網址: https://webptt.com/m.aspx?n=bbs/Bioindustry/M.1715229877.A.EFF.html