把169861个生物物种数据装进大模型,大模型竟get到了生物中心法则的奥秘——
把169861个生物物种数据装进大模型,大模型竟get到了生物中心法则的奥秘——
世界是变化的,分子是运动的,从预测静态单一结构走向动态构象分布是揭示蛋白质等生物分子功能的重要一步。探索蛋白质的构象分布,能帮助理解蛋白质与其他分子相互作用的生物过程;识别蛋白质表面下的潜在药物位点,描绘各个亚稳态之间的过渡路径,有助于研究人员设计出具有更强特异性和效力的目标抑制剂和治疗药物。但传统的分子动力学模拟方法昂贵且耗时,难以跨越长的时间尺度,从而观察到重要的生物过程。
Saprot在proteingym蛋白质突变预测任务公开基准榜(由牛津大学计算机与哈佛医学院设立)排名第一。相比,其他排名靠前的算法都是混合模型,专门针对突变任务设计,而Saprot不仅是单模型,而且是通用模型。
「如果这可以重现的话,这就是我们所知的世界末日!功能建模的新时代已经开始。」欧洲分子生物学实验室(EMBL)的科学家 Jan Kosinski 发推文表示。他在 AlphaFold 3 发布后,立刻用它做了一系列简单的测试,并把相关结果发在了 X 上。
当人们还在呼唤GPT-5、辗转于各种聊天机器人争夺战时,Google已经把人工智能模型与现实世界的距离又拉近了一大步。
AlphaFold 3再登Nature!
AlphaFold 3是一款革命性的人工智能模型,成功预测了所有生命分子的结构和相互作用,为药物设计和基因组学研究带来了新的可能性。
人工智能(AI)工具正在改变科学研究的方式。AlphaFold基本解决了蛋白质结构预测难题;DeepMD大大提高了分子模拟的效率和精度;而新兴的大型语言模型,如ChatGPT等,也正在科学研究领域开疆拓土。
今天,DeepMind公布了AlphaFold的最新版本,不仅预测蛋白质结构的准确性大大提高,而且获得了预测RNA等新的能力。
复旦大学马剑鹏教授领衔的科研团队开发的新型计算方法OPUS-DSD,不但能够成功地解析冷冻电子显微镜(Cryo-EM)结构解析技术中因传统方法无法分辨而缺损的生物大分子结构,并且高效精准地分辨出柔性结构域在受测样品中的构象分布。