中新網(wǎng)北京5月9日電 (記者 孫自法)國際著名學術期刊《自然》最新發(fā)表一篇結構生物學論文稱,，由谷歌DeepMind和Isomorphic Labs團隊研發(fā)的最新迭代人工智能模型AlphaFold3，能以較高準確率預測蛋白質(zhì)與其他生物分子相互作用的結構,，其準確率比之前的專用工具顯著提升,。AlphaFold3能預測含有蛋白質(zhì)數(shù)據(jù)銀行(Protein Data Bank)內(nèi)幾乎所有分子類型的復合物的結構,。這個最新迭代模型用計算機解析蛋白質(zhì)與其他分子復雜相互作用的能力,，將拓展人們對生物過程的理解，并有望推動藥物研發(fā),。該論文介紹,，AlphaFold首次于2020年問世，它和迭代版AlphaFold2能根據(jù)蛋白質(zhì)的氨基酸(蛋白質(zhì)的基本成分)序列預測其3D結構,。之后的AlphaFold-Multimer推動了對蛋白質(zhì)-蛋白質(zhì)復合物的預測,。不過，擴大單一深度學習模型能預測的復合物范圍一直很難,，因為不同類型的特異性相互作用差異太大,。論文共同通訊作者、谷歌DeepMind的John M. Jumper和同事等研究認為,，在AlphaFold2模型的深度學習架構和訓練系統(tǒng)的大幅提升下,，如今可以對一個統(tǒng)一框架內(nèi)大量生物分子系統(tǒng)的結構進行更準確的預測。AlphaFold3能預測蛋白質(zhì)與其他蛋白質(zhì),、核酸,、小分子、離子,、修飾蛋白質(zhì)殘基的復合物,，以及抗體-抗原相互作用。預測準確性顯著超過當前預測工具,，包括AlphaFold-Multimer,。論文作者也指出AlphaFold3存在一些局限性，比如約4.4%的結構會出現(xiàn)不正確的手性(一種對稱特性),，或是幻覺導致“飄帶”(一種常見的蛋白質(zhì)二級結構元素)的出現(xiàn)減少,。他們表示，人工智能模型后續(xù)模擬準確率的進一步提升,，還需要生成一個很大的預測集并對預測結構進行排序，而這會產(chǎn)生額外的計算成本,。(完)
免責聲明：本文來自網(wǎng)絡收錄或投稿,，觀點僅代表作者本人，不代表芒果財經(jīng)贊同其觀點或證實其描述,，版權歸原作者所有,。轉(zhuǎn)載請注明出處：http://lequren.com/1101149.html
溫馨提示：投資有風險，入市須謹慎,。本資訊不作為投資理財建議,。
