СледваСледващо ръководство
Кими и Moonshot AI
Фирми
Фирми РЪКОВОДСТВО
AlphaFold
AlphaFold е Google DeepMind AI, който предсказва 3D формата на протеините от тяхната аминокиселинна последователност, 50-годишно голямо предизвикателство в биологията.
Чуйте това ръководствоAI-разказан · ~2 min
На тази страница2 минути четене
Преглед
Неговият пробив спечели дял от Нобеловата награда за химия за 2024 г.
Дълбоко гмуркане
Протеините са вериги от аминокиселини, които се сгъват в сложни 3D форми и тази форма определя какво прави протеинът - от пренасянето на кислород до борбата с инфекцията. Предсказването на гънката само от последователността озадачава учените в продължение на десетилетия. През 2020 г. AlphaFold 2 изуми полето на състезанието CASP14, предвиждайки структури с точност, съперничеща на бавни, скъпи лабораторни методи като рентгенова кристалография. След това DeepMind пусна над 200 милиона предвидени структури, покриващи почти всеки известен протеин, безплатни за изследователите. През 2024 г. AlphaFold 3 разшири прогнозите за това как протеините взаимодействат с ДНК, РНК, лекарства и други молекули. Демис Хасабис и Джон Джъмпър си поделиха Нобеловата награда за химия за 2024 г. за работата си.
Внедряване в реалния свят
Предоставяне на безплатни 3D структури за над 200 милиона протеини на изследователи по целия свят
Ускоряване на откриването на лекарства чрез разкриване как кандидат-молекулите свързват целевия протеин
Подпомагане на проектирането на нови ензими, включително такива, които разграждат пластмасовите отпадъци
Подпомагане на изследването на маларията, болестта на Паркинсон и резистентността към антибиотици чрез картографиране на ключови протеини
Бъдещето на AlphaFold
AlphaFold ускорява откриването на лекарства, проектирането на ензими и разбирането на болести като малария и резистентност към антибиотици. Бъдещите насоки включват прогнозиране на динамиката и движението на протеините, а не само статични моментни снимки, моделиране на големи молекулни комплекси и по-тясна интеграция с експериментални данни. Отворените бази данни и отделните компании като Isomorphic Labs имат за цел да превърнат структурното предсказване в по-бързи и по-евтини лекарства. Очаквайте структурното предсказване на AI да се превърне в рутинна първа стъпка в почти цялата молекулярна биология.
Прилагайки го на практика
Защо има значение
- Стратегия на доставчика. Пътните карти на доставчиците влияят на това какви функции вашият екип може да изгради по-нататък.
- Разходи и бюджет. Търговските условия и опциите за внедряване влияят върху дългосрочните разходи и риск.
- Риск и безопасност. Стимулите на компанията оформят продуктовите стандарти, безопасността и откритостта.
Внимавайте за
- Съобщенията за стартиране може да изпреварят стабилността в реалните производствени работни процеси.
- Ценообразуването на API или промените в политиката могат да разбият предположенията за една нощ.
- Зависимостта от един доставчик увеличава разходите за заключване и миграция.
Следващи стъпки
- Оценявайте доставчиците, като използвате вашите собствени задачи и набори от данни.
- Прегледайте поверителността, сигурността и правните условия преди интегриране.
- Поддържайте резервен план за модели или доставчици.
- Наблюдавайте бележките по изданието, така че промените в пътната карта да не изненадват екипите.
Продължете да изследвате
Безплатен бюлетин
Получавайте дневния AI бюлетин
Три проверени AI истории всяка делнична сутрин, написани на достъпен език. Безплатно завинаги, без реклами.
Един имейл всеки делничен ден. Отписване с едно кликване. Никога не продаваме и не споделяме вашия имейл адрес.
Тествайте себе си
Направете теста на AlphaFold
Незабавна обратна връзка за всеки отговор и сертификат за споделяне с подлежащ на проверка идентификационен номер, след като преминете курс.
Подкрепете безплатното AI образование. AI Understanding е 501(c)(3) с нестопанска цел — без реклами, без платен достъп, никога. Направете дарение
Често задавани въпроси
Какво е AlphaFold?
AlphaFold е Google DeepMind AI, който предсказва 3D формата на протеините от тяхната аминокиселинна последователност, 50-годишно голямо предизвикателство в биологията. Неговият пробив спечели дял от Нобеловата награда за химия за 2024 г.
Какво прогнозира AlphaFold?
AlphaFold прогнозира как протеинът се сгъва в своята 3D форма въз основа на неговата последователност от аминокиселини.
Как може 3D структурата на протеин да помогне на изследователите да проучат неговата функция?
Структурата може да ръководи хипотези за молекулярни взаимодействия и възможна функция, но биологичната активност все още изисква контекст и доказателства.
На кое събитие през 2020 г. AlphaFold 2 демонстрира своята изключителна точност?
AlphaFold 2 изуми учените на състезанието CASP14 за прогнозиране на протеинова структура през 2020 г.
Какъв еволюционен сигнал използва AlphaFold 2, за да открие кои аминокиселини са близо една до друга?
Чрез сравняване на свързани протеини между видовете, AlphaFold открива коеволюиращи аминокиселини, които вероятно са близо една до друга в 3D.
Какво голямо признание получиха създателите на AlphaFold през 2024 г.?
Демис Хасабис и Джон Джъмпър си поделиха Нобеловата награда за химия за 2024 г. за AlphaFold.
Продължавай да учиш
Свързани ръководства
Още ръководства, избрани за тази тема