Google DeepMind 把 AlphaFold3 开源了!开源不久便已经斩获 1.7k star。
至此,科学家们可以下载 AlphaFold3 代码,并将这一 AI 蛋白质预测工具用于非商业用途。值得一提的是,只有具有学术背景的科学家才能根据要求访问训练权重。
据悉,AlphaFold-3的主要功能包括能够对多种生物分子的结构进行预测,涵盖蛋白质、核酸(包括DNA和RNA)、小分子、离子以及修饰残基等几乎所有在蛋白质数据库(PDB)中的分子类型。
GitHub 地址:https://github.com/google-deepmind/alphafold3
今年5 月,Google DeepMind 联合 Isomorphic Labs 推出了革命性的人工智能(AI)模型 AlphaFold 3,其以前所未有的精确度成功预测了所有生命分子(蛋白质、DNA、RNA、配体等)的结构和相互作用,相关研究论文也发表在权威科学期刊 Nature 上。
此前,Google DeepMind 并没有提供 AlphaFold3 的代码或模型权重,这招致了科学家们的批评,他们认为此举破坏了可重复性。
如今,AlphaFold3 的开源,将进一步改变我们对生物世界和药物发现的理解,进而开启 AI 细胞生物学的新时代。
“我们很高兴看到人们用它来做什么,”AlphaFold 团队负责人 John Jumper 说。上个月,他和 Google DeepMind 首席执行官 Demis Hassabis 因 AlphaFold 的相关工作共同获得了 2024 年诺贝尔化学奖。
据研究论文描述,与现有的预测方法相比,AlphaFold 3 发现蛋白质与其他分子类型的相互作用至少提高了 50%,对于一些重要的相互作用类别,预测准确率甚至提高了一倍。
为了利用 AlphaFold 3 在药物设计方面的潜力,Isomorphic Labs 已经与制药公司合作,将其应用于现实世界的挑战,并最终为一些对人类造成最具破坏性影响的疾病开发出新的疗法。
尽管此前 AlphaFold 3 并未开源,但据 DeepMind 的 AI 科学负责人 Pushmeet Kohli 表示,业内已经出现了几个 AlphaFold3 的复制结果,这表明即使没有开源代码,该模型也是可以复制的。
事实上也确实如此,在过去几个月里,几家公司依赖于原始论文中描述的规格(即伪代码),已经推出了基于 AlphaFold3 的开源蛋白质结构预测工具。
纽约哥伦比亚大学的计算生物学家 Mohammed AlQuraishi 说,这些模型的一个主要局限是,与此前未开源的 AlphaFold3 一样,没有一个模型被授权用于药物发现等商业应用。
位于旧金山的 Ligo Biosciences 已经发布了无限制版本的 AlphaFold3;其他团队正在开发不受限制的 AlphaFold3 版本:AlQuraishi 希望在今年年底前推出完全开源的模型 OpenFold3,制药公司可以利用专有数据(如与不同药物结合的蛋白质结构)重新训练自己版本的模型,从而提高性能。
AlphaFold3 的上一代模型——AlphaFold2——的开源性质引发了其他科学家的大量创新。例如,最近一次蛋白质设计竞赛的获奖者就利用这一 AI 工具设计出了能够结合癌症靶点的新蛋白质;也有团队利用该工具识别出了一种帮助精子附着在卵细胞上的关键蛋白质。
Jumper 迫不及待地希望在分享 AlphaFold3 后能出现这样的惊喜——即使这些惊喜并不总是有结果。“人们会以奇怪的方式使用它,” 他预测说,“有时会失败,有时会成功。”
© 版权声明
文章版权归作者所有,未经允许请勿转载。
相关文章
暂无评论...