Команды Google DeepMind и Isomorphic Labs объявили о значительном прогрессе в разработке следующего поколения модели AlphaFold, которая теперь демонстрирует улучшенную точность и расширяет своё применение за пределы белков, охватывая другие биомолекулы, включая лиганды и нуклеиновые кислоты.
С момента выпуска в 2020 году AlphaFold произвёл революцию в понимании структуры белков и их взаимодействий. Новая модель, как сообщается, может генерировать предсказания для почти всех молекул из Банка данных белковой структуры (PDB) с атомной точностью, что значительно улучшает возможности исследователей в различных областях биомедицины.
Модель открывает новые горизонты понимания биологических механизмов, позволяя глубже исследовать геномику, иммунитет растений, молекулы для терапии и механизмы проектирования лекарств. Увеличение охвата предсказаний поможет ускорить биомедицинские прорывы, предоставляя новый инструмент для изучения взаимодействий молекул, таких как белки и лиганды, важные для разработки новых терапевтических целей.
Сравнительный анализ работы новой модели показал, что она превосходит предшественника AlphaFold2.3 по многим задачам предсказания структуры белков, что наиболее актуально для открытия лекарств. При этом новый алгоритм не требует наличия жесткой структуры протеина в качестве опорной, что позволяет предсказывать структуры совершенно новых белков, которые до сих пор не были охарактеризованы.
Новый этап в развитии AlphaFold также включает в себя модели, способные учитывать полную гибкость белков и нуклеиновых кислот при взаимодействии с другими молекулами, что делает его незаменимым инструментом для научных исследований в этой области.
На сегодняшний день база данных AlphaFold доступна более 1.4 миллиона пользователей в 190 странах, и её предсказания уже помогли миллионам исследователей в самых разных направлениях, от разработки вакцин от малярии до проектирования ферментов для утилизации пластиковых отходов.