A atualização do AlphaFold 3 permite a previsão de outros tipos de sistemas biomoleculares
Módulo MSA em AlphaFold 3. Crédito:Nature (2024). DOI:10.1038/s41586-024-07487-w Uma equipe combinada de pesquisadores médicos e especialistas em sistemas de IA do projeto Deep Mind do Google e do Isomorphic Labs, ambos em Londres, fez o que o grupo descreve como melhorias substanciais no AlphaFold 2 que tornam possível ao aplicativo prever a estrutura de uma ampla variedade. de sistemas biomoleculares de forma mais ampla e precisa. A nova iteração é chamada AlphaFold 3. Em seu estudo publicado na revista Nature , o grupo usou técnicas de difusão para fazer melhorias no modelo arquitetônico subjacente do aplicativo para permitir previsões mais gerais.
A primeira versão do sistema de IA baseado em aprendizagem profunda AlphaFold foi lançada há apenas quatro anos e foi aclamada por sua capacidade de fazer previsões precisas sobre a estrutura das proteínas usando sequências de aminoácidos. Também ajudou os pesquisadores a entender melhor como as proteínas funcionam. AlphaFold 2 baseou-se nessas capacidades, ampliando os complexos que poderiam ser previstos.
Nesta nova iteração, a equipe de pesquisa deu ao aplicativo a capacidade de prever sistemas biomoleculares além das proteínas. Pode prever ligantes, por exemplo, ou estruturas de RNA ou DNA. Eles observam que pode até fazer previsões sobre a estrutura de íons, ácidos nucléicos, outras proteínas e interações entre anticorpos e antígenos. Enzima encontrada em fungos transmitidos pelo solo. Crédito:Google DeepMind Essas habilidades, observam os pesquisadores, tornam-no uma ferramenta útil para a descoberta de novos medicamentos. Uma empresa de descoberta de medicamentos (e spinoff da DeepMind) já está usando o novo sistema para fazer exatamente isso.
Além de fazer previsões sobre outras estruturas biomoleculares, a equipe de pesquisa afirma que o AlphaFold 3 também é muito mais preciso do que suas iterações anteriores e seus concorrentes. Mas também reconhecem que há espaço para crescer:o AlphaFold 3 tem uma taxa de erro de quiralidade de 4,4%, por exemplo. Às vezes também tem alucinações, o que reduz o aparecimento de fitas.
Eles observam que o trabalho continuará com o sistema AlphaFold à medida que a equipe busca melhorar a precisão e adicionar mais tipos de sistemas aos quais ele possa ser aplicado. Eles também planejam introduzir uma estrutura de classificação para ajudar os usuários a fazer julgamentos sobre os resultados fornecidos pelo sistema.
