AlphaFold
AlphaFold — программа на базе искусственного интеллекта (AI), разработанная Google DeepMind, которая выполняет предсказания пространственной структуры белка. Программа разработана как система глубокого обучения. 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 структур белков в категории, которую организаторы конкурса оценивали как самую сложную — когда для белков с частично похожей последовательностью не было доступно существующих шаблонных структур. Команда разработчиков AlphaFold 2 участвовала в следующем конкурсе CASP в ноябре 2020 года. 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). Результаты AlphaFold 2 в CASP были охарактеризованы как «поразительные». 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. 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. 8 мая 2024 года в Nature была размещена статья о новой версии программы — AlphaFold 3. Руководители разработки AlphaFold Демис Хассабис и Джон Джампер были удостоены Нобелевской премии по химии 2024 года за использование AlphaFold 2 для предсказания в области укладки белков.
| AlphaFold | |
|---|---|
 | |
| Тип | модель искусственного интеллекта[вд] и ИИ |
| Разработчик | Google DeepMind |
| Написана на | Python |
| Дата выпуска | 2018 |
| Последняя версия | 3 (8 мая 2024[1]) |
| Репозиторий |
github.com/google-deepmi… github.com/google-deepmi… |
| Лицензия | Apache License 2.0 |
| Сайт | alphafold.com (англ.) |
 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 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].
Руководители разработки AlphaFold Демис Хассабис и Джон Джампер были удостоены Нобелевской премии по химии 2024 года за использование AlphaFold 2 для предсказания в области укладки белков[16].
Примечания
[править | править код]- ↑ Metz, Cade (8 мая 2024). Google Unveils A.I. for Predicting Behavior of Human Molecules. The New York Times (амер. англ.). ISSN 0362-4331. Архивировано 10 октября 2024. Дата обращения: 9 мая 2024.
- ↑ AlphaFold | DeepMind. Дата обращения: 28 августа 2021. Архивировано 19 января 2021 года.
- ↑ Архивированная копия. Дата обращения: 28 августа 2021. Архивировано 28 августа 2021 года.
- ↑ AlphaFold2: глубокий разум и его правильное применение / Блог компании BIOCAD / Хабр. Дата обращения: 28 августа 2021. Архивировано 28 августа 2021 года.
- ↑ Архивированная копия. Дата обращения: 28 августа 2021. Архивировано 28 января 2021 года.
- ↑ ‘The game has changed.’ AI triumphs at solving protein structures | Science | AAAS. Дата обращения: 28 августа 2021. Архивировано 22 июля 2021 года.
- ↑ Алгоритм AlphaFold от DeepMind решил 50-летнюю задачу фолдинга белка / Хабр. Дата обращения: 28 августа 2021. Архивировано 28 августа 2021 года.
- ↑ ‘It will change everything’: DeepMind’s AI makes gigantic leap in solving protein structures. Дата обращения: 28 августа 2021. Архивировано 28 августа 2021 года.
- ↑ Balls, Phillip. Behind the screens of AlphaFold. Chemistry World (9 декабря 2020). Дата обращения: 28 августа 2021. Архивировано 15 августа 2021 года.
- ↑ DeepMind опубликовала исходный код нейросети для предсказания структуры белка — Наука на TJ. Дата обращения: 28 августа 2021. Архивировано 28 августа 2021 года.
- ↑ 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 (15 июля 2021). 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.
- ↑ GitHub - deepmind/alphafold: Open source code for AlphaFold. (англ.). GitHub. Дата обращения: 24 июля 2021. Архивировано 23 июля 2021 года.
- ↑ AlphaFold Protein Structure Database. alphafold.ebi.ac.uk. Дата обращения: 24 июля 2021. Архивировано 24 июля 2021 года.
- ↑ Accurate structure prediction of biomolecular interactions with AlphaFold 3 | Nature. Дата обращения: 8 мая 2024. Архивировано 17 мая 2024 года.
- ↑ Google DeepMind and Isomorphic Labs introduce AlphaFold 3 AI model. Дата обращения: 8 мая 2024. Архивировано 9 мая 2024 года.
- ↑ Press release: The Nobel Prize in Chemistry 2024 (амер. англ.). NobelPrize.org. Дата обращения: 9 октября 2024. Архивировано 9 октября 2024 года.
См. также
[править | править код]- Куракин, Георгий. Белковые галлюцинации: как справляется AlphaFold? Биомолекула (18 ноября 2022). Дата обращения: 12 декабря 2023. Архивировано 28 ноября 2022 года.
- Fungus from Yuggoth. Прерывая нанотехнологическое вознесение. 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
| |
