AlphaFold

AlphaFold
Скриншот программы AlphaFold
Тип модель ИИ[d] и ИИ
Разработчик Google DeepMind
Написана на Python
Первый выпуск 2018
Последняя версия 3 (8 мая 2024[1])
Репозиторий github.com/google-deepmi…
Лицензия Apache License 2.0
Сайт alphafold.com
Логотип Викисклада Медиафайлы на Викискладе

AlphaFold — программа на базе искусственного интеллекта (AI), разработанная Google DeepMind, которая выполняет предсказания пространственной структуры белка[2]. Программа разработана как система глубокого обучения[3].

AlphaFold имеет две основные версии. Команда исследователей, использовавшая AlphaFold 1, заняла первое место в общем рейтинге 13-й СASP в декабре 2018 года. Программа оказалась особенно успешной в предсказании точных структур белков в категории, которую организаторы конкурса оценивали как самую сложную — когда для белков с частично похожей последовательностью не было доступно существующих шаблонных структур[4].

Команда разработчиков AlphaFold 2 участвовала в следующем конкурсе CASP в ноябре 2020 года[5]. Команда достигла гораздо большей точности, чем любая другая группа. Модель набрала более 90 баллов примерно для двух третей белков в тесте GDT, который измеряет степень, с которой структура, предсказанная вычислительной программой, подобна структуре, определённой лабораторным экспериментом (число 100 соответствует полному совпадению)[6][7].

Результаты AlphaFold 2 в CASP были охарактеризованы как «поразительные»[8]. В то же время некоторые исследователи отметили, что точность недостаточно высока для оставшейся трети прогнозов и что не раскрывается механизм и правила сворачивания белка, чтобы проблема сворачивания белка считалась решённой[9].

15 июля 2021 года статья об AlphaFold2 была размещена в Nature в качестве публикации для предварительного доступа вместе с программным обеспечением с открытым исходным кодом и доступной для поиска базой данных с различными видами белков[10][11][12][13].

8 мая 2024 года в Nature была размещена статья о новой версии программы — AlphaFold 3[14][15].

Примечания

  1. ↑ Metz, Cade (2024-05-08). "Google Unveils A.I. for Predicting Behavior of Human Molecules". The New York Times (англ.). ISSN 0362-4331. Дата обращения: 9 мая 2024.
  2. ↑ AlphaFold | DeepMind  (неопр.). Дата обращения: 28 августа 2021. Архивировано 19 января 2021 года.
  3. ↑ Архивированная копия  (неопр.). Дата обращения: 28 августа 2021. Архивировано 28 августа 2021 года.
  4. ↑ AlphaFold2: глубокий разум и его правильное применение / Блог компании BIOCAD / Хабр  (неопр.). Дата обращения: 28 августа 2021. Архивировано 28 августа 2021 года.
  5. ↑ Архивированная копия  (неопр.). Дата обращения: 28 августа 2021. Архивировано 28 января 2021 года.
  6. ↑ ‘The game has changed.’ AI triumphs at solving protein structures | Science | AAAS  (неопр.). Дата обращения: 28 августа 2021. Архивировано 22 июля 2021 года.
  7. ↑ Алгоритм AlphaFold от DeepMind решил 50-летнюю задачу фолдинга белка / Хабр  (неопр.). Дата обращения: 28 августа 2021. Архивировано 28 августа 2021 года.
  8. ↑ ‘It will change everything’: DeepMind’s AI makes gigantic leap in solving protein structures  (неопр.). Дата обращения: 28 августа 2021. Архивировано 28 августа 2021 года.
  9. ↑ Balls, Phillip Behind the screens of AlphaFold  (неопр.). Chemistry World (9 декабря 2020). Дата обращения: 28 августа 2021. Архивировано 15 августа 2021 года.
  10. ↑ DeepMind опубликовала исходный код нейросети для предсказания структуры белка — Наука на TJ  (неопр.). Дата обращения: 28 августа 2021. Архивировано 28 августа 2021 года.
  11. ↑ Jumper, John; Evans, Richard; Pritzel, Alexander; Green, Tim; Figurnov, Michael; Ronneberger, Olaf; Tunyasuvunakool, Kathryn; Bates, Russ; Žídek, Augustin; Potapenko, Anna; Bridgland, Alex; Meyer, Clemens; Kohl, Simon A A; Ballard, Andrew J; Cowie, Andrew; Romera-Paredes, Bernardino; Nikolov, Stanislav; Jain, Rishub; Adler, Jonas; Back, Trevor; Petersen, Stig; Reiman, David; Clancy, Ellen; Zielinski, Michal; Steinegger, Martin; Pacholska, Michalina; Berghammer, Tamas; Bodenstein, Sebastian; Silver, David; Vinyals, Oriol; Senior, Andrew W; Kavukcuoglu, Koray; Kohli, Pushmeet; Hassabis, Demis (2021-07-15). "Highly accurate protein structure prediction with AlphaFold". Nature (англ.). doi:10.1038/s41586-021-03819-2. Архивировано 27 августа 2021. Дата обращения: 28 августа 2021.
  12. ↑ GitHub - deepmind/alphafold: Open source code for AlphaFold. (англ.). GitHub. Дата обращения: 24 июля 2021. Архивировано 23 июля 2021 года.
  13. ↑ AlphaFold Protein Structure Database  (неопр.). alphafold.ebi.ac.uk. Дата обращения: 24 июля 2021. Архивировано 24 июля 2021 года.
  14. ↑ Accurate structure prediction of biomolecular interactions with AlphaFold 3 | Nature
  15. ↑ Google DeepMind and Isomorphic Labs introduce AlphaFold 3 AI model

См. также

  • Куракин, Георгий Белковые галлюцинации: как справляется AlphaFold?  (рус.) Биомолекула (18 ноября 2022). Дата обращения: 12 декабря 2023. Архивировано 28 ноября 2022 года.
  • Fungus from Yuggoth. Прерывая нанотехнологическое вознесение  (рус.). ru-transhumans.livejournal.com (27 октября 2015). — Перевод статьи Ричарда Джонса (Richard A.L. Jones) “Rupturing The Nanotech Rapture” (2008), из обзора журнала “IEEE Spectrum” на тему технологической сингулярности. Статья содержит критику идей Эрика Дрекслера, особенно в отношении реализации механических медицинских наноботов. Архивная версия оригинала с комментариями https://web.archive.org/web/20090316091917/http://www.spectrum.ieee.org/jun08/6271.+Дата обращения: 12 декабря 2023. Архивировано 12 декабря 2023 года. Созвучны ей книги: "Время живых машин. Биологическая революция в технологиях" Сьюзан Хокфилд (2021) и "Не один дома. Естественная история нашего жилища от бактерий до многоножек, тараканов и пауков" Роб Данн (2021).
  • Технологическая сингулярность