您現在位於 - 綜合外電
|
最新AI助力藥物研發 最新AlphaFold3 其準確率比之前的專用工具顯著提升
【本報綜合外電報導】國際著名學術期刊《自然》最新發表一篇結構生物學論文稱,由谷歌DeepMind和IsomorphicLabs團隊研發的最新迭代人工智能模型AlphaFold3,能以較高準確率預測蛋白質與其他生物分子相互作用的結構,其準確率比之前的專用工具顯著提升。
AlphaFold3能預測含有蛋白質數據銀行內幾乎所有分子類型的複合物的結構,這個最新迭代模型用計算機解析蛋白質與其他分子複雜相互作用的能力,將拓展人們對生物過程的理解,並有望推動藥物研發。
該論文介紹,AlphaFold首次於2020年問世,它和迭代版AlphaFold2能根據蛋白質的氨基酸(蛋白質的基本成分)序列預測其3D結構,之後的AlphaFold-Multimer推動了對蛋白質-蛋白質複合物的預測,不過,擴大單一深度學習模型能預測的複合物範圍一直很難,因為不同類型的特異性相互作用差異太大。
論文共同通訊作者、谷歌DeepMind的JohnM.Jumper和同事等研究認為,在AlphaFold2模型的深度學習架構和訓練系統的大幅提升下,如今可以對一個統一框架內大量生物分子系統的結構進行更準確的預測,AlphaFold3能預測蛋白質與其他蛋白質、核酸、小分子、離子、修飾蛋白質殘基的複合物,以及抗體-抗原相互作用,預測準確性顯著超過當前預測工具,包括AlphaFold-Multimer。
論文作者也指出AlphaFold3存在一些局限性,比如約4.4%的結構會出現不正確的手性(一種對稱特性),或是幻覺導致“飄帶”(一種常見的蛋白質二級結構元素)的出現減少。
他們表示,人工智能模型後續模擬準確率的進一步提升,還需要生成一個很大的預測集並對預測結構進行排序,而這會產生額外的計算成本。
↑圖說:人工智能助力藥物研發(資料圖)
|
|
|
|