Alphafold 3 erweitert die Modellierungskapazität auf biologischere Ziele

Wenn Sie sich die Updates in der neuesten Version ansehen, werden Sie feststellen, dass Alpafold 3 seine Modellierungsfunktionen auf einen breiteren Bereich von molekularen Strukturen wie Liganden (Ionen oder Moleküle mit spezifischen Bindungseigenschaften) erweitert, andere Ionen und was als „posttranslationale Modifikationen“ bezeichnet wird-hier die Erklärung der Wikipedia .

Darüber hinaus verwendet Alphafold 3 eine aktualisierte „Paceformer“ -Architektur für die Umgang mit paarweisen Beziehungen (mehr dazu später) - und liefert eine verbesserte Vorhersagegenauigkeit und eine bessere Leistung in bestimmten Arten von Vorhersagen. Sie können zusätzliche Details von NIH finden.

Das ursprüngliche Alphafold -System erwarb seine Schöpfer John Jumper und Demis Hassabis, einen Nobelpreis, und diese Werkzeuge fordern weiterhin die Landschaft der Drogenentdeckung um.

Praktische Anwendungen

Wie unterstützt Alphafold große Pharmaunternehmen?

Lauren Davis, der Verbindungen zum MIT hat, gibt uns in einem Ted-Talk über einen Teil seines kommerziellen Erfolgs, wie die Technologie verwendet wird, um lebensrettende Drogen zu entwickeln.

Davis hebt einen „transformativen“ Prozess hervor, bei dem neue Tools eine schnellere Entwicklung innerhalb eines effizienteren Frameworks ermöglichen. Ein wesentlicher Bestandteil davon ist die Zielidentifizierung, die die Struktur eines bestimmten Ziels vorherzusagen. Auf diese Weise können Unternehmen einige kostspielige und arbeitsintensive menschliche und tierische Testphasen umgehen, die ebenfalls ethisch komplex sind.

Sie vergleicht das System mit einer Dating -App, in der potenzielle Übereinstimmungen vor dem tatsächlichen Test gefiltert werden - ähnlich wie bei der Verengung der Optionen (dh Zeit und Energie investieren).

Sie diskutiert auch die Bewertung möglicher Inhibitoren, eine Funktion, die sie aufregend findet - zumal sie einst Teil der MIT -Fußballmannschaft war.

Insgesamt zeigt Davis, wie Alphafold in der realen, kommerziellen Welt funktioniert.

Ist Alphafold 3 Open Source?

Dies deckt einige der Art und Weise ab, wie Alphafold zum medizinischen Bereich beiträgt.

Aber es gibt einen weiteren Aspekt dieses neuen Modells, das ich untersuchen wollte, und ich erhielt widersprüchliche Antworten von verschiedenen LLM -Modellen.

Wenn Sie Chatgpt fragen, ob Alphafold 3 Open Source ist, erhalten Sie Folgendes - zumindest nach meiner Erfahrung:

"(Alphafold 3 ist nicht) nicht offene Quellen; Stattdessen ist es über eine von DeepMind für nichtkommerziellen Forschungszwecke bereitgestellte Cloud-basierte Plattform verfügbar. Dieser Ansatz hat Bedenken in der wissenschaftlichen Gemeinschaft in Bezug auf Transparenz und Zugänglichkeit ausgelöst."

Als Referenz verweist das Modell auf diesen kabelgebundenen Artikel .

Als ich aus dem letzten November einen Beitrag von Dario Amodei überprüfte, fand ich eine kurze, aber klare Aussage, die darauf hindeutet, dass Alphafold 3 Open Source geworden ist:

"AI Protein Prediction -Tool, Alphafold3, ist Open Source ."

Als ich Copilot dieselbe Frage über eine Bing -Suche stellte, war die Antwort:

„Nicht vollständig Open Source- Alphafold 3 ist nicht vollständig Open Source . Während der Quellcode und die Modellgewichte für den akademischen Gebrauch unter bestimmten nichtkommerziellen Einschränkungen zugänglich sind, beschränkt sich der Zugriff auf die Modellgewichte auf diejenigen, die mit akademischen Institutionen verbunden sind. Dies bedeutet, dass Forscher die Software für nicht kommerzielle Zwecke verwenden können, aber sie können die Trainingsgewichte für kommerzielle Anwendungen nicht frei zugreifen.

Zur Unterstützung dieser Ansicht wurden mehrere Quellen angeführt.

Basierend auf all diesen Informationen ist die wahrscheinlichste Schlussfolgerung, dass Alphafold 3 „teilweise“ Open Source ist - wie Copilot es ausdrückte, sind einige Komponenten wie die Gewichte öffentlich verfügbar, während andere proprietär bleiben.

Chatgpt argumentiert unterdessen, dass die Cloud-basierte Plattform, die Alphafold 3 hostet, „von DeepMind für nichtkommerzielle Forschungszwecke gepflegt wird“.

Unabhängig davon müssen wir hier nicht spekulieren: Überprüfen Sie einfach die GitHub -Seite auf die neueste Version.

Diese Situation zeigt jedoch, wie unterschiedliche KI -Modelle unterschiedliche Antworten auf dieselbe Abfrage liefern können - etwas, das wir lernen müssen, um zu navigieren.

Die Arbeit machen

In jedem Fall setzt diese aktualisierte Version von Alphafold das Erbe fort, leistungsstarke Tools für die Entdeckung von Arzneimitteln bereitzustellen. In ihrem Vortrag zitiert Davis Lisinopril als ACE -Inhibitor und erklärt, wie Alphafold angewendet werden kann, um vorherzusagen und zu modellieren, wie sich ein Inhibitor verhält.

In der Praxis nehmen Millionen von Amerikanern Medikamente wie diese ein, die in einer Vielzahl von Gesundheitszuständen eingesetzt werden, wodurch die Entwicklung von AI-unterstützten Entwicklung von großer Bedeutung ist.

Wird dies die Arzneimittelkosten senken? Das bleibt abzuwarten.

Das obige ist der detaillierte Inhalt vonAlphafold 3 erweitert die Modellierungskapazität auf biologischere Ziele. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!