O Google introduziu uma poderosa rede neural AlphaFold 3 para prever a estrutura das proteínas – todos podem experimentá-la

A unidade DeepMind do Google revelou uma nova versão de seu modelo de inteligência artificial AlphaFold que prevê a forma e o comportamento das proteínas. AlphaFold 3 não é apenas mais preciso – o sistema agora prevê a interação de proteínas com outras moléculas biológicas; Além disso, uma versão limitada agora está disponível gratuitamente como um aplicativo da web.

Fonte da imagem: blog.google

Desde o lançamento da primeira rede neural, AlphaFold, em 2018, ela se tornou o método líder para prever a estrutura de proteínas com base nas sequências de aminoácidos que as compõem. A compreensão da estrutura e da base das interações proteicas está na base de quase toda a biologia. Os métodos clássicos para modelar proteínas têm limitações significativas: mesmo que você saiba a forma que uma sequência de aminoácidos assumirá, não será possível dizer antecipadamente a quais outras moléculas ela se ligará e como. E se houver algum objetivo prático a ser alcançado, é necessário um trabalho meticuloso de modelagem e testes – anteriormente isso demorava vários dias, e às vezes até semanas e meses.

AlphaFold resolve esse problema prevendo o formato provável de uma molécula de proteína a partir de uma determinada sequência de aminoácidos, indicando com quais outras proteínas ela será capaz de interagir. Uma característica especial do novo AlphaFold 3 é a sua capacidade de prever a interação de proteínas com outras moléculas biológicas, incluindo cadeias de DNA e RNA, bem como os íons necessários para isso.

O grande problema do AlphaFold, assim como de outras ferramentas baseadas em IA, é a dificuldade de implantação. É por isso que o Google DeepMind lançou um aplicativo web gratuito chamado AlphaFold Server, que está disponível para uso não comercial. A plataforma é bastante simples de usar: fazendo login com uma conta Google, você pode inserir diversas sequências e categorias, após as quais produzirá o resultado na forma de uma molécula tridimensional, pintada em uma cor que reflete a confiança do modelo. em sua correção. Questionado sobre se existe uma diferença significativa entre a versão do modelo disponível publicamente e a utilizada internamente, o responsável do Google DeepMind, Demis Hassabis, garantiu que “disponibilizamos a maior parte das funções do novo modelo”, mas não o fizemos. não fornecer detalhes.