Google DeepMind представила модель штучного інтелекту AlphaFold 3 для прогнозування точної структури білків і їхніх взаємодій один з одним та іншими речовинами. Це може допомогти вченим розробляти нові ліки швидше та дешевше.
Статтю про модель опублікували в журналі Nature, а також про розробку повідомляється в пресрелізі Google.
Як працює AlphaFold 3
Взаємодія білків — від ферментів, що відіграють ключову роль у людському метаболізмі, до антитіл, які борються з інфекційними захворюваннями з іншими молекулами, — є ключовим моментом у розробці та відкритті нових ліків.
Вивчення цих взаємодій за допомогою експериментів може тривати роками та коштувати дуже дорого. Якщо ж ці взаємодії можна оцінити обчислювальним шляхом з достатньою точністю, то біологічні дослідження можна значно прискорити.
Наприклад, якщо вчені вважають, що молекула, яка зв’язується з певною ділянкою певного білка, може бути перспективним кандидатом у ліки, вони можуть використовувати обчислювальні системи, такі як AlphaFold 3, для тестування потенційних лікарських молекул.
AlphaFold 3 ґрунтується на попередніх двох моделях AlphaFold, які по суті подолали проблему прогнозування тривимірної структури білка з його амінокислотної послідовності. AlphaFold 3 робить крок далі, прогнозуючи структури майже всіх біологічних молекул, таких як білки, ДНК, РНК та моделюючи їхню взаємодію. Це стало можливим завдяки поєднанню машинного навчання, штучного інтелекту та великих обсягів даних про біологічні молекули.
Google DeepMind зробить цю модель доступною для некомерційного використання через сервер AlphaFold, безкоштовного онлайн-інструменту, який вчені можуть використовувати для перевірки своїх гіпотез перед проведенням реальних тестів.
DeepMind розробила AlphaFold 3 у співпраці зі своїм колишнім підрозділом Isomorphic Labs у сфері пошуку нових лікарських засобів.
Раніше вчені використали штучний інтелект для подолання величезної проблеми виробництва «практично безмежної чистої енергії» за допомогою термоядерного синтезу.