概述
其突破性成果獲得了 2024 年諾貝爾化學獎。
深入探討
蛋白質是折疊成複雜的 3D 形狀的氨基酸鏈,這種形狀決定了蛋白質的功能,從攜帶氧氣到抵抗感染。僅根據序列預測折疊就困擾了科學家數十年。 2020 年,AlphaFold 2 在 CASP14 競賽中震驚了業界,其預測結構的準確性可與 X 射線晶體學等緩慢且昂貴的實驗室方法相媲美。 DeepMind 隨後發布了超過 2 億個預測結構,涵蓋幾乎所有已知的蛋白質,並免費向研究人員開放。 2024 年,AlphaFold 3 將預測擴展到蛋白質如何與 DNA、RNA、藥物和其他分子相互作用。 Demis Hassabis 和 John Jumper 因這項工作共同獲得 2024 年諾貝爾化學獎。
現實世界的實施
為全球研究人員提供超過 2 億個蛋白質的免費 3D 結構
透過揭示候選分子如何結合標靶蛋白來加速藥物發現
幫助設計新的酶,包括分解塑膠廢物的酶
透過繪製關鍵蛋白質圖譜來幫助研究瘧疾、帕金森氏症和抗生素抗藥性
AlphaFold 的未來
AlphaFold 正在加速藥物發現、酵素設計以及對瘧疾和抗生素抗藥性等疾病的了解。未來的方向包括預測蛋白質動力學和運動,而不僅僅是靜態快照、建模大分子複合物以及與實驗數據更緊密的整合。開放資料庫和同構實驗室等衍生產品旨在將結構預測轉化為更快、更便宜的藥物。預計人工智慧結構預測將成為幾乎所有分子生物學領域常規的第一步。
付諸實踐
為什麼這很重要
- 供應商策略. 供應商路線圖會影響您的團隊接下來可以建立的功能。
- 成本與預算. 商業條款和部署選項會影響長期成本和風險。
- 風險與安全. 公司激勵措施塑造了產品預設、安全態勢和開放性。
留意
- 發佈公告可能會超過實際生產工作流程的穩定性。
- API 定價或政策轉變可能會在一夜之間打破假設。
- 單一供應商依賴性增加了鎖定和遷移成本。
後續步驟
- 使用您自己的任務和資料集評估提供者。
- 在整合之前查看隱私、安全和法律條款。
- 維護跨模型或供應商的後備計劃。
- 監控發行說明,以便路線圖的變更不會讓團隊感到意外。
不斷探索
常見問題
什麼是阿爾法折疊?
AlphaFold 是一種 Google DeepMind AI,可根據胺基酸序列預測蛋白質的 3D 形狀,這是生物學領域 50 年的重大挑戰。其突破性成果獲得了 2024 年諾貝爾化學獎。
AlphaFold 預測什麼?
AlphaFold 根據蛋白質的胺基酸序列預測蛋白質如何折疊成 3D 形狀。
蛋白質的 3D 結構如何幫助研究人員研究其功能?
結構可以指導有關分子相互作用和可能功能的假設,但生物活性仍然需要背景和證據。
AlphaFold 2 在 2020 年的哪場活動中展現了其突破性的準確性?
AlphaFold 2 讓 2020 年 CASP14 蛋白質結構預測競賽的科學家們大吃一驚。
AlphaFold 2 利用什麼演化訊號來找出哪些胺基酸彼此接近?
透過比較不同物種之間的相關蛋白質,AlphaFold 可以檢測到在 3D 中可能靠近的共同演化氨基酸。
AlphaFold 的創作者在 2024 年獲得了哪些主要認可?
Demis Hassabis 和 John Jumper 因 AlphaFold 共同榮獲 2024 年諾貝爾化學獎。