Melihat kemas kini dalam versi terkini, anda akan melihat bahawa Alphafold 3 memperluaskan keupayaan pemodelannya kepada pelbagai struktur molekul yang lebih luas, seperti ligan (ion atau molekul dengan sifat mengikat tertentu), ion lain, dan apa yang disebut sebagai "pengubahsuaian pasca-translasi"-di sini Wikipedia Penjelasan .

Di samping itu, Alphafold 3 menggunakan seni bina "pasangan" yang dikemas kini untuk mengendalikan hubungan pasangan (lebih lanjut mengenai ini kemudian) - menyampaikan ketepatan ramalan yang dipertingkatkan dan prestasi yang lebih baik dalam jenis ramalan tertentu. Anda boleh mendapatkan butiran tambahan dari NIH .

Sistem Alphafold yang asal memperoleh penciptanya, John Jumper dan Demis Hassabis, Hadiah Nobel, dan alat -alat ini terus membentuk semula landskap penemuan dadah.

Aplikasi praktikal

Jadi bagaimana Alphafold membantu syarikat farmaseutikal utama?

Dalam ceramah TED membincangkan beberapa kejayaan komersilnya, Lauren Davis, yang mempunyai hubungan dengan MIT, memberi kita gambaran bagaimana teknologi digunakan untuk membantu membangunkan ubat-ubatan menyelamatkan nyawa.

Davis menyoroti proses "transformatif" di mana alat -alat baru membolehkan pembangunan yang lebih cepat dalam rangka kerja yang lebih cekap. Salah satu bahagian utama ini, dia menerangkan, adalah pengenalan sasaran - meramalkan struktur sasaran tertentu. Ini membolehkan syarikat-syarikat memintas beberapa fasa ujian manusia dan haiwan yang berintensifkan dan buruh, yang juga kompleks etika.

Dia menyamakan sistem ke aplikasi temu janji, di mana perlawanan yang berpotensi ditapis sebelum ujian sebenar berlaku - sama seperti berlaku pada tarikh selepas menyempitkan pilihan (iaitu, masa dan tenaga pelaburan).

Dia juga membincangkan pemarkahan kemungkinan inhibitor, ciri yang dia dapati menarik - terutamanya kerana dia pernah menjadi sebahagian daripada pasukan bola sepak MIT.

Secara keseluruhannya, Davis menggambarkan bagaimana fungsi Alphafold di dunia sebenar, komersial.

Adakah Alphafold 3 Sumber Terbuka?

Itu merangkumi beberapa bagaimana Alphafold menyumbang kepada medan perubatan.

Tetapi ada satu lagi aspek model baru ini yang saya ingin meneroka, dan saya menerima tanggapan yang bertentangan dari model LLM yang berbeza, jadi mari kita menyelamnya:

Jika anda bertanya ChatGpt sama ada Alphafold 3 adalah sumber terbuka, inilah yang anda dapat - sekurang -kurangnya dalam pengalaman saya:

"(Alphafold 3 adalah) bukan sumber terbuka, sebaliknya, ia boleh didapati melalui platform berasaskan awan yang disediakan oleh DeepMind untuk tujuan penyelidikan bukan komersial. Pendekatan ini telah menimbulkan kebimbangan dalam komuniti saintifik mengenai ketelusan dan kebolehcapaian."

Sebagai rujukan, model menunjuk kepada artikel berwayar ini .

Walau bagaimanapun, apabila saya menyemak jawatan dari Dario Amodei dari November lalu, saya dapati pernyataan ringkas tetapi jelas menunjukkan bahawa Alphafold 3 telah menjadi sumber terbuka:

"Alat Ramalan Protein AI, Alphafold3, adalah sumber terbuka."

Apabila saya bertanya kepada Copilot soalan yang sama melalui carian Bing, responsnya adalah:

"Tidak sepenuhnya sumber terbuka- Alphafold 3 tidak sepenuhnya sumber terbuka . Walaupun kod sumber dan berat model boleh diakses untuk kegunaan akademik di bawah sekatan bukan komersil tertentu, akses kepada berat model adalah terhad kepada mereka yang bergabung dengan institusi akademik.

Beberapa sumber telah disebutkan untuk menyokong pandangan ini.

Oleh itu, berdasarkan semua maklumat ini, kesimpulan yang paling mungkin adalah bahawa Alphafold 3 adalah sumber terbuka "sebahagiannya" - seperti yang dikatakan oleh Copilot, beberapa komponen seperti berat yang tersedia secara terbuka, sementara yang lain tetap proprietari.

Sementara itu, Chatgpt berpendapat bahawa platform berasaskan awan yang menganjurkan Alphafold 3 "dikekalkan oleh DeepMind untuk tujuan penyelidikan bukan komersial."

Walau apa pun, kita tidak perlu membuat spekulasi di sini: Cukup periksa halaman GitHub untuk versi terkini.

Walau bagaimanapun, keadaan ini menunjukkan bagaimana model AI yang berbeza dapat memberikan respons yang berbeza -beza kepada pertanyaan yang sama - sesuatu yang harus kita pelajari untuk menavigasi.

Melakukan kerja

Dalam apa jua keadaan, versi AlphaFold yang dikemas kini ini terus warisan menyediakan alat yang kuat untuk penemuan dadah. Dalam ceramahnya, Davis memetik Lisinopril sebagai perencat ACE, menjelaskan bagaimana Alphafold boleh digunakan untuk meramalkan dan memodelkan bagaimana perencat berkelakuan.

Dalam praktiknya, berjuta-juta orang Amerika mengambil ubat-ubatan seperti ini, yang digunakan dalam pelbagai keadaan kesihatan, menjadikan pembangunan AI-dibantu sangat berharga.

Adakah ini akan mengurangkan kos ubat? Yang masih boleh dilihat.

Atas ialah kandungan terperinci Alphafold 3 memanjangkan kapasiti pemodelan kepada sasaran lebih banyak biologi. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!