PRŮVODCE společnostmi
AlphaFold
AlphaFold je Google DeepMind AI, která předpovídá 3D tvar proteinů z jejich aminokyselinové sekvence, což je 50letá velká výzva v biologii.
Poslechněte si tento návodAI-vyprávěný · ~2 min
Na této stránce2 minuty čtení
Přehled
Průlom mu vynesl podíl na Nobelově ceně za chemii za rok 2024.
Hluboký ponor
Proteiny jsou řetězce aminokyselin, které se skládají do složitých 3D tvarů a tento tvar určuje, co protein dělá, od přenášení kyslíku po boj s infekcí. Předvídání foldu ze samotné sekvence udivovalo vědce po celá desetiletí. V roce 2020 AlphaFold 2 ohromil pole v soutěži CASP14 a předpovídal struktury s přesností, která konkuruje pomalým a drahým laboratorním metodám, jako je rentgenová krystalografie. DeepMind poté zdarma zveřejnila více než 200 milionů předpokládaných struktur pokrývajících téměř každý známý protein. V roce 2024 AlphaFold 3 rozšířil předpovědi o to, jak proteiny interagují s DNA, RNA, léky a dalšími molekulami. Demis Hassabis a John Jumper se za tuto práci podělili o Nobelovu cenu za chemii za rok 2024.
Real-World Implementace
Poskytování bezplatných 3D struktur pro více než 200 milionů proteinů výzkumníkům po celém světě
Urychlení objevu léků odhalením toho, jak se kandidátské molekuly vážou na cílový protein
Pomáhá navrhovat nové enzymy, včetně těch, které rozkládají plastový odpad
Napomáhání výzkumu malárie, Parkinsonovy choroby a rezistence na antibiotika mapováním klíčových proteinů
Budoucnost AlphaFold
AlphaFold urychluje objevování léků, návrh enzymů a pochopení nemocí, jako je malárie a rezistence na antibiotika. Budoucí směry zahrnují předpovídání dynamiky a pohybu proteinů, nejen statické snímky, modelování velkých molekulárních komplexů a těsnější integraci s experimentálními daty. Otevřené databáze a vedlejší produkty jako Isomorphic Labs mají za cíl přeměnit predikci struktury na rychlejší a levnější léky. Očekávejte, že předpověď struktury umělé inteligence se stane rutinním prvním krokem téměř v celé molekulární biologii.
Uvedení do praxe
Proč na tom záleží
- Strategie dodavatelů. Plány dodavatelů ovlivňují, jaké funkce může váš tým dále vybudovat.
- Cena a rozpočet. Komerční podmínky a možnosti nasazení ovlivňují dlouhodobé náklady a rizika.
- Riziko a bezpečnost. Firemní pobídky utvářejí výchozí produkty, bezpečný postoj a otevřenost.
Pozor na
- Oznámení o uvedení mohou předstihnout stabilitu v reálných výrobních pracovních postupech.
- Změny cen API nebo politik mohou přes noc narušit předpoklady.
- Závislost na jediném dodavateli zvyšuje náklady na uzamčení a migraci.
Další kroky
- Vyhodnoťte poskytovatele pomocí vlastních úkolů a datových sad.
- Před integrací si přečtěte podmínky ochrany soukromí, zabezpečení a právní podmínky.
- Udržujte záložní plán napříč modely nebo dodavateli.
- Sledujte poznámky k vydání, aby změny plánu nepřekvapily týmy.
Pokračujte v objevování
Newsletter zdarma
Získejte denní přehled o AI
Tři ověřené příběhy ze světa AI každý všední den ráno, psané srozumitelnou angličtinou. Navždy zdarma, bez reklam.
Jeden e-mail každý všední den. Odhlásit se můžete jedním kliknutím. Vaši adresu nikdy neprodáváme ani nesdílíme.
Otestujte se
Take the AlphaFold quiz
Okamžitá zpětná vazba ke každé odpovědi a sdílitelný certifikát s ověřitelným ID po absolvování kurzu.
Podpořte bezplatnou AI vzdělávání. AI Understanding je nezisková organizace 501(c)(3) — žádné reklamy, žádná platba za přístup, nikdy. Darujte
Často kladené otázky
Co je AlphaFold?
AlphaFold je Google DeepMind AI, která předpovídá 3D tvar proteinů z jejich aminokyselinové sekvence, což je 50letá velká výzva v biologii. Jeho průlom si vysloužil podíl na Nobelově ceně za chemii za rok 2024.
Co předpovídá AlphaFold?
AlphaFold předpovídá, jak se protein skládá do svého 3D tvaru na základě jeho sekvence aminokyselin.
Jak může 3D struktura proteinu pomoci výzkumníkům studovat jeho funkci?
Struktura může vést hypotézy o molekulárních interakcích a možné funkci, ale biologická aktivita stále vyžaduje kontext a důkazy.
Na které akci v roce 2020 prokázal AlphaFold 2 svou průlomovou přesnost?
AlphaFold 2 ohromil vědce v soutěži CASP14 o predikci proteinové struktury v roce 2020.
Jaký evoluční signál využívá AlphaFold 2 k nalezení toho, které aminokyseliny jsou blízko sebe?
Porovnáním příbuzných proteinů napříč druhy detekuje AlphaFold společně se vyvíjející aminokyseliny, které jsou pravděpodobně blízko u sebe ve 3D.
Jakého velkého uznání se tvůrcům AlphaFold dostalo v roce 2024?
Demis Hassabis a John Jumper se podělili o Nobelovu cenu za chemii za rok 2024 za AlphaFold.
Učte se dál
Související průvodci
Pro toto téma bylo vybráno více průvodců