Google veröffentlicht Blockbuster-KI-Modell! Die Vorhersage aller Biomoleküle auf der Erde wird die Forschung zur Behandlung von Krankheiten wie Krebs erheblich beschleunigen
DeepMind, im Besitz von Google, sorgte über Nacht für Aufsehen in der akademischen Welt.
Am 8. Mai kündigte DeepMind offiziell ein neues KI-Modell an: AlphaFold 3.
Relevante Forschungsarbeiten wurden in der renommierten Zeitschrift „Nature“ veröffentlicht und belegten sofort nach ihrer Veröffentlichung die Titelseite.
Nach ChatGPT gibt es unzählige KI-Modelle, aber dasjenige, das am meisten behaupten kann, die Welt zu verändern, ist möglicherweise nur AlphaFold 3.
Die Superentwicklung von AlphaFold macht die biologische Welt „hochauflösender“
Im Biologieunterricht der Mittelstufe haben wir gelernt, dass Proteine langkettige Moleküle sind, die durch die Verbindung von Aminosäuren über Peptidbindungen gebildet und im Raum zu komplexen dreidimensionalen Strukturen gefaltet werden.
Die dreidimensionale Struktur bestimmt die Funktion des Proteins und hat direkten Einfluss auf die Entwicklung von Medikamenten und die Behandlung von Krankheiten.
Man kann sagen, dass die Vorhersage der Proteinstruktur eine der wichtigsten Thesen der Biologie ist.
Die Vorhersage der dreidimensionalen Struktur von Proteinen ist jedoch eine schwierige Aufgabe und erfordert oft komplexe Experimente. Es wurde sogar als „ein Problem beschrieben, das Biologen seit 50 Jahren beschäftigt“.
Im Jahr 2016 besiegte AlphaGo von DeepMind einen professionellen Neun-Dan-Spieler und schrieb die alte Fähigkeit von Go neu.
AlphaFold von DeepMind möchte die Codes der Biologie entschlüsseln und einen Blick in die Geheimnisse des Lebens selbst werfen.
Im Jahr 2018 wurde AlphaFold 1 veröffentlicht.
Im Jahr 2020 wurde AlphaFold 2 auf den Markt gebracht, das bereits in wenigen Minuten die Form von Proteinen im großen Maßstab und bis auf die atomare Ebene genau vorhersagen kann.
Jetzt haben wir AlphaFold 3, eine KI mit noch größeren Ambitionen: Sie geht über Proteine hinaus und erforscht alle biologischen Moleküle.
Biomoleküle sind die Moleküle, aus denen lebende Organismen bestehen, einschließlich Proteinen, DNA, RNA usw.
DeepMind glaubt, dass wir nur dann beginnen können, die Prozesse des Lebens wirklich zu verstehen, wenn wir verstehen, wie Biomoleküle in Millionen von Kombinationen interagieren.
Kurz gesagt, AlphaFold 3 deckt einen größeren Bereich ab als sein Vorgänger und kann die Struktur biologischer Moleküle wie Proteine, DNA, RNA, Liganden und deren Interaktion genau vorhersagen.
Schauen wir uns zunächst einige Vorhersageergebnisse von AlphaFold 3 an.
7PNM ist das Spike-Protein eines Erkältungsvirus.
Wie in der Abbildung gezeigt, sagt AlphaFold 3 die Struktur von 7PNM (blauer Teil) voraus, wenn es mit Antikörpern (grüner Teil) und Monosacchariden (gelber Teil) interagiert, was mit der tatsächlichen Struktur (grauer Teil) übereinstimmt.
Durch die Untersuchung dieser Proteine können Wissenschaftler das Immunsystem und Coronaviren, einschließlich COVID-19, besser verstehen und sogar bessere Behandlungsmöglichkeiten entwickeln.
Zusätzlich zu Proteinstrukturen kann AlphaFold Molekülkomplexe vorhersagen, also komplexe Strukturen, die aus mehreren Molekülen bestehen.
Das unten abgebildete Enzym stammt von einem Bodenpilz, der für Pflanzen schädlich ist.
Die Vorhersageergebnisse von AlphaFold, einschließlich eines Enzymproteins (blauer Teil), eines Ions (gelbe Kugel) und einiger Monosaccharide (gelber Teil), passen zur tatsächlichen Struktur (grauer Teil).
Ein tieferes Verständnis darüber, wie dieses Enzym mit Pflanzenzellen interagiert, könnte Forschern dabei helfen, gesündere und resistentere Nutzpflanzen zu entwickeln, was der landwirtschaftlichen Produktion praktische Vorteile bringen würde.
In ähnlicher Weise sagt AlphaFold 3 einen Molekülkomplex voraus, der aus einem Protein (blauer Teil), einem RNA-Strang (violetter Teil) und zwei Ionen (gelber Teil) besteht und auch der realen Struktur (grauer Teil) sehr nahe kommt.
Dieser Komplex ist an der Proteinsynthese beteiligt, einem der grundlegenden Prozesse des zellulären Lebens und der Gesundheit, und seine Forschungsbedeutung ist ebenso tiefgreifend.
Indem DeepMind die Genauigkeit der Vorhersageergebnisse zeigt und die damit verbundenen Verwendungsmöglichkeiten hervorhebt, möchte es der Welt mitteilen, dass AlphaFold 3 ein „revolutionäres Modell“ ist.
Einerseits ist der Forschungsumfang breiter. Durch die Erweiterung des Sichtfelds über Proteine hinaus, insbesondere kleine Moleküle wie Liganden, können weitere Arzneimittel abgedeckt werden.
Andererseits wird auch die Genauigkeit verbessert. Bei Proteininteraktionen mit anderen Molekültypen verbessert AlphaFold 3 die Genauigkeit im Vergleich zu bestehenden Vorhersagemethoden um mindestens 50 %. Einige der wichtigen Interaktionen wurden sogar um 100 % verbessert.
Auf diese Weise kann AlphaFold 3 mehr Forschung fördern, die Arzneimittelentwicklung beschleunigen, die Genomik fördern, gesündere Nutzpflanzen entwickeln, biologisch erneuerbare Materialien entwickeln …
Apropos technische Prinzipien: AlphaFold 3 basiert auf der Verbesserung von AlphaFold 2. Der Kern ist die Evoformer-Deep-Learning-Architektur und nutzt ein Diffusionsnetzwerk ähnlich wie Midjourney.
Der Prozess der Verwendung von AlphaFold 3 ähnelt dem Chatten mit einem großen Sprachmodell. Geben Sie eine Beschreibung eines Biomoleküls ein und AlphaFold 3 generiert eine dreidimensionale Struktur dieser Moleküle und untersucht, wie sie interagieren.
Der Prozess, bei dem AlphaFold 3 Vorhersageergebnisse liefert, ähnelt dem AI-Vincentian-Graph-Diffusionsmodell, das ausgehend von einer unscharfen Atomwolke schrittweise entrauscht und allmählich zu einer genauen Molekülstruktur konvergiert.
Generative KI, die menschliche Sprache spricht, steigert die Produktivität von Kabinenarbeitern. Für Wissenschaftler bedeutet AlphaFold nichts weiter.
Die Vorhersage der Proteinstruktur im Labor kann einen Doktortitel zeitaufwändig und Hunderttausende Dollar kosten. Es gibt Hunderte Millionen Vorhersagen, und selbst Millionen Menschen sind möglicherweise nicht in der Lage, sie im Laufe ihres Lebens zu erfüllen.
Aber mit AlphaFold können Wissenschaftler mutige Fragen und innovative Hypothesen stellen und diese dann im Labor testen, um den Forschungsprozess zu beschleunigen.
Ein Satz von DeepMind reicht aus, um die Bedeutung von AlphaFold 3 für den Normalbürger zusammenzufassen:
AlphaFold 3 bringt die Welt der Biologie in HD.
Geben Sie AlphaFold der Welt und warten Sie auf eine neue Renaissance wissenschaftlicher Entdeckungen
Um OpenAIs Closed Source zu verspotten, gab Musk ihm einen Spitznamen: CloseAI.
Google, das zu mehreren OpenAI-Artikeln beigetragen hat, hat in einigen Aspekten einen eher Open-Source-Geist.
Im Juli 2021 veröffentlichte AlphaFold 2 einen Artikel in Nature und stellte den Code auch als Open Source zur Verfügung.
Bisher wurden mit AlphaFold 2 Hunderte Millionen Strukturen vorhergesagt. Millionen von Forschern auf der ganzen Welt nutzen AlphaFold 2 in Bereichen wie Malaria-Impfstoffen, Krebsbehandlungen und Enzymdesign.
Ebenfalls im Juli 2021 veröffentlichte DeepMind gemeinsam mit dem Europäischen Bioinformatik-Institut (EMBL-EBI) die AlphaFold-Proteinstrukturdatenbank, die das bisher vollständigste und genaueste Bild des menschlichen Proteoms liefert.
DeepMind erwähnte in seinem offiziellen Blog, dass es sich um einen der wichtigsten Datensätze seit der Kartierung des menschlichen Genoms handelt. Jetzt werden sie die Leistungsfähigkeit von AlphaFold wissenschaftlichen Forschern auf der ganzen Welt kostenlos zur Verfügung stellen.
Innerhalb eines Jahres nutzten mehr als 500.000 Forscher die AlphaFold-Datenbank, um mehr als 2 Millionen Strukturen anzuzeigen und so Lösungen für reale Probleme wie Plastikverschmutzung und Antibiotikaresistenz zu beschleunigen.
Seitdem wurde die Datenbank kontinuierlich erweitert.
Im Juli 2022 veröffentlichte DeepMind die vorhergesagten Strukturen fast aller der Wissenschaft bekannten Proteine, insgesamt mehr als 200 Millionen, darunter neben Menschen auch vorhergesagte Strukturen von Pflanzen, Bakterien, Tieren und anderen Organismen.
Die AlphaFold-Datenbank ist wie eine „Google-Suche“ nach Proteinstrukturen und auch wie ein sternenklares Proteinuniversum. Die dreidimensionale Struktur von Protein ist der Grundstein des Lebens. Sie sieht exquisit und schön aus und lässt die Menschen über die Magie der Natur staunen.
Allerdings ist das diesmal erschienene AlphaFold 3 etwas konservativer als das AlphaFold 2, was einige Kritik hervorgerufen hat.
AlphaFold 3 ist derzeit kein Open Source und kann nicht lokal bereitgestellt werden. Forscher können auf die meisten Funktionen nur über DeepMinds neueste Forschungsplattform AlphaFold Server kostenlos zugreifen, und die Nutzung ist nicht kommerziell.
Was den wissenschaftlichen Fortschritt am meisten behindert, ist die Anzahl der Zugriffe auf den Dienst: Pro Tag können nur 10 Vorhersagen getroffen werden.
Hinter dem geizigen Verhalten stehen möglicherweise eigene geschäftliche Überlegungen von DeepMind – seine Tochtergesellschaft Isomorphic Labs hat mit Pharmaunternehmen zusammengearbeitet, um AlphaFold 3 auf die Arzneimittelentwicklung anzuwenden.
Demis Hassabis, Mitbegründer und CEO von Google DeepMind, zeigte sich optimistisch, dass die ersten von KI entwickelten Medikamente in den nächsten Jahren für Tests bereit sein könnten.
Natürlich hat AlphaFold immer noch Einschränkungen.
Der chinesische Strukturbiologe Yan Ning beantwortete im Jahr 2022 einmal die Frage, ob AlphaFold 2 Wissenschaftler ersetzen wird.
In Bezug auf Nav/Cav liegt AlphaFold 2 immer noch auf dem Niveau von 2017, und beim Testen der Interaktion zwischen neuen kleinen Molekülen und Proteinen war keine der KI-Vorhersagen korrekt.
Yan Ning erklärte, dass es in der Biostrukturwissenschaft nicht nur um die Faltung geht, sondern auch darum, die dynamischen Veränderungen von Proteinen zu verstehen, die Wechselwirkungen mit anderen biologischen Makromolekülen oder regulatorischen kleinen Molekülen zu verstehen und den Zustand von Zellen in situ zu verstehen Alle Dies ist ein Bereich, in dem die KI immer noch machtlos ist.
Heute macht AlphaFold 3 einen großen Schritt nach vorne, wo AlphaFold 2 versagt hat, und ermöglicht uns, die Möglichkeit zu erkennen, die Wechselwirkungen verschiedener Biomoleküle vorherzusagen, aber es konzentriert sich immer noch auf statische Vorhersagen molekularer Strukturen, die manchmal Halluzinationen hervorrufen können.
In einem früheren Interview kritisierte Demis Hassabis den Hype um KI.
Er glaubt, dass KI als „ultimatives Werkzeug der Wissenschaft“ wie das AlphaFold-Modell zur Vorhersage der Proteinstruktur eingesetzt werden sollte. Die Menschheit steht kurz vor einer neuen Renaissance wissenschaftlicher Entdeckungen.
Dasselbe sieht auch Huang Jenxun von Nvidia, was den KI-Kurs in der Medizin und Biotechnologie angeht. Er stellte auf der GTC AI-Konferenz 2024 zahlreiche medizinische KI-Dienste vor und erzielte Vereinbarungen mit Unternehmen wie Johnson & Johnson in diesem Bereich der Chirurgie und der medizinischen Bildgebung kooperieren.
Sora simuliert die physische Welt, während AlphaFold 3 es uns ermöglicht, die biologische Welt zu verstehen und zu unseren ursprünglichen Erwartungen an die KI zurückzukehren – um wissenschaftliche Entdeckungen zu beschleunigen, den menschlichen Fortschritt zu fördern und das Leben selbst zu verstehen.
Obwohl AGI noch weit entfernt ist, unterscheiden sich Texte, Bilder, Videos und Proteinmoleküle voneinander, aber sie spiegeln einander wider.
KI ist in der Tat so mächtig und für das tägliche Leben immer relevanter geworden, und wir können damit rechnen, dass jeden Tag mehr Innovationen auftauchen und mehr Rätsel gelöst werden.
# Willkommen beim offiziellen öffentlichen WeChat-Konto von Aifaner: Aifaner (WeChat-ID: ifanr) wird Ihnen so schnell wie möglich zur Verfügung gestellt.
Ai Faner |. Ursprünglicher Link · Kommentare anzeigen · Sina Weibo