Attenzione originale al taglio della posizione quantistica tecnologica

Mengchen Mingmin è del tempio di Kuffu

Posizione quantistica |

Alphafold 3 alla natura!

L’aggiornamento pesante questa volta non si limita più alla previsione della struttura proteica,: può prevedere la struttura e l’interazione di tutte le molecole di vita con precisione senza precedenti.

Solo capendo come interagiscono in milioni di combinazioni possiamo iniziare a comprendere veramente il processo di vita.

Una delle maggiori innovazioni questa volta è quella di utilizzare il modello di diffusione del rumore comunemente rimosso nella pittura di intelligenza artificiale per generare direttamente coordinate 3D di ciascun atomo.

Ora, la previsione strutturale di Alphafold 3 sulla normale proteina a picco del virus freddo (blu), la parte grigia è il risultato della previsione.Ciò consente agli umani di saperne di più sul virus coronarico.

La previsione di complessi molecolari combinati con proteina e DNA, i risultati della previsione sono quasi coerenti con la struttura reale.

Senza inserire alcuna informazione strutturale, l’accuratezza di Alphafold3 prevede il 50%rispetto al metodo esistente e anche raddoppia la categoria di alcune interazioni.

Ciò rende Alphafold 3 il primo sistema AI oltre la previsione predittiva della vera struttura biomolecolare.

E gli scienziati globali possono accedere alla ricerca non commerciale con Alphafold 3 attraverso il server Alphafold gratuitamente (funzioni principalmente aperte).

DeepMind Lianchuang e CEO Hatsabis hanno dichiarato alla conferenza stampa in modo molto affermativo che Alphafold 3 è il primo passo per gli umani a comprendere i sistemi dinamici biologici.

I netizen si sono lamentati: questo è l’uso dell’IA.

Usa la rete di diffusione per generare risultati di previsione

In effetti, una serie di aggiornamenti su piccola scala è stata apportata prima di Alphafold 3, concentrandosi sul miglioramento dell’accuratezza predittiva del complesso proteico.

Quindi riassumi:

Alphafold ha creato una nuova era di previsione della struttura proteica

Alphafold 2, che migliora notevolmente l’accuratezza della previsione

Alphafold-Multimer espande l’intervallo di previsione in un complesso con catene proteiche multiple

Alphafold 2.3, migliora le prestazioni ed espande la copertura a complessi più grandi

Questo rivoluzionario Alphafold 3 continua ad espandere l’intervallo di previsione in più strutture biomolecolari come proteina, DNA, RNA e una serie di ligandi, ioni e modifiche chimiche.

Alphafold 3 si basa su Alphafold 2, ma è notevolmente migliorato in architettura e formazione:

L’encoder caratteristico genetico (modulo MSA) è notevolmente semplificato, concentrandosi sull’estratto di informazioni evolutive più critiche.

La coppia ha sostituito l’unità di elaborazione delle caratteristiche evolutive originale (EVOFORMER), che ha migliorato la capacità di modellazione della modalità di interazione complessa.

Il generatore di strutture viene modificato da aminoacidi centrati a coordinate atomiche predittive dirette, aumentando la flessibilità dell’elaborazione della struttura molecolare universale.

Al fine di impedire al metodo di diffusione di avere allucinazioni in alcune aree universali, è stato anche introdotto un nuovo metodo di distillazione incrociata per arricchire i dati di addestramento attraverso i dati strutturali previsti da Alphafold-Multimer V2.

Ciò che è ancora più sorprendente è che anche nel campo di Alphafold 3 nel campo di dati di allenamento estremamente scarsi, ha mostrato incredibili capacità di generalizzazione.

Ad esempio, nell’attività di previsione dell’RNA di CASP15, le sue prestazioni medie su 10 obiettivi pubblici superano lo speciale modello di previsione della struttura dell’RNA.Sai, questo si ottiene in assenza di dati di allenamento dell’RNA.

Sebbene Alphafold 3 abbia fatto scoppioni in più dimensioni, non è perfetto.Ad esempio, in termini di perfezionamento e autointerazione, ha ancora alcune limitazioni.

Inoltre, si concentra attualmente sulla previsione statica della struttura molecolare, che non è sufficiente per descrivere il comportamento dinamico.Anche l’applicabilità dei componenti artificiali deve essere verificata.

Alphafold 3 si verificano occasionalmente errori, causando allucinazioni per aree disordinate, con conseguente riduzione dell’accuratezza predittiva di alcuni obiettivi.

L’attuale metodo di rilievo consiste nell’utilizzare più semi casuali quando si genera per garantire la corretta maneggevolezza ed evitare la leggera collisione del ligando proteico.

Ma i difetti non sono coperti, il significato di Alphafold 3 non è solo nel salto di indicatori specifici, ma mostra anche la possibilità di interagire con un’architettura unificata per l’apprendimento profondo per costruire una complessa componente del sistema di vita.

Alphafold inizia la commercializzazione

Dopo il lancio della generazione Alphafold nel 2021, Google DeepMind ha cercato attivamente la commercializzazione per esso e stabilito i laboratori isomorici.

Sebbene questa volta, il server Alphafold gratuito è stato lanciato in nome di Google DeepMind. modifica.

Tuttavia, la natura ha riferito che le visite degli scienziati al server Alphafold 3 erano limitate.Al momento, solo 10 previsioni possono essere eseguite ogni giorno ed è impossibile ottenere una struttura proteica che può essere combinata con i farmaci.

Isomorphic Labs sta usando Alphafold3 per sviluppare farmaci attraverso i propri canali o collaborare con altre aziende farmaceutiche.

Il recensore ha anche gridato Hatsabis online.

Ha elencato una serie di eventi scientifici dopo il rilascio del codice Alphafold2 nel commento della revisione.

Tuttavia, non sottovalutare il potere della comunità open source.

Molte persone potrebbero non aver letto i documenti e l’open source è iniziato il lavoro.

Sebbene sia solo una posizione vuota, i netizen ipotizzano che per questo grande Dio che ha duplicato Vit, Dall · E 2, Imagen, ecc., Possono essere completati entro pochi giorni.

La versione pre -stampata del documento Alphafold3 attualmente rilasciato.Gli studenti interessati possono capire.

Indirizzo di tesi:

https://www.nature.com/articles/s41586-024-07487-w

Link di riferimento:

[1] https://www.nature.com/articles/d41586-024-01383-Z

[2] https://www.isomorphiclabs.com/articles/a-glimpse-the-sxt-ge-alphafold

[3] https://github.com/lucidrains/alphafold3-pytorch