登录
 机构网站
  1. 首页
  2. 情报产品
  3. 快讯详情

《Nature | 使用 AlphaFold 3 准确预测生物分子相互作用的结构》

  • 来源专题：战略生物资源
  • 编译者： 朱晓琳
  • 发布时间：2024-10-25

  •  北京时间5月8日（周三）晚间，《自然》杂志刊登了DeepMind的AlphaFold团队和伦敦药物研发公司Isomorphic Labs共同署名的论文“Accurate structure prediction of biomolecular interactions with AlphaFold 3”，介绍了AlphaFold 3，这是AlphaFold的第三代版本，全新的蛋白质结构预测系统能以前所未有的精度预测“蛋白质数据库（Protein Data Bank）”内几乎所有分子类型的复合物结构。

      论文称，AlphaFold 3是一款革命性的系统。对于蛋白质与其他分子类型的相互作用，AlphaFold 3在基准测试中的准确率比现有最好的传统方法高出50%，且无需输入任何结构信息，这使得AlphaFold 3成为首个在生物分子结构预测方面超越基于物理工具的方法的人工智能系统。基于AlphaFold 2能力的提升，AlphaFold 3如今能预测蛋白质与蛋白质、核酸、小分子、离子、修饰蛋白质残基的复合物以及抗体-抗原相互作用，其预测准确性显著超过当前预测工具，包括AlphaFold-Multimer。DeepMind团队称，这意味着AlphaFold 3将人类带到了蛋白质之外的更广泛的生物分子领域。这一飞跃可能开启更多变革性的科学，从开发生物可再生材料和更具弹性的材料，到加速药物设计和基因组学研究等。


  • 原文来源：https://www.nature.com/articles/s41586-024-07487-w
682浏览量
原文链接
相关报告

  • 《Nature | 超越蛋白质：AlphaFold3预测复杂生物分子结构》
    • 来源专题：战略生物资源
    • 编译者：李康音
    • 发布时间：2024-05-10
    • 2024年5月8日，谷歌Deep Mind的John M. Jumper通讯在Nature发表题为Accurate structure prediction of biomolecular interactions with AlphaFold 3的文章，推出了AlphaFold 3（AF3），能够超高精度预测各种生物分子复合物的结构。这一成就代表着我们理解和操纵控制生物系统的复杂相互作用的能力的重大飞跃。 在其前身AlphaFold 2的成功基础上，新模型引入了实质性的架构和训练程序增强，以适应更广泛的化学结构，并提高数据效率。AF3的核心是一种基于扩散的方法，该方法直接预测原始原子坐标，无需专门处理键合模式和立体化学约束。AF3的真正威力在于其在不同生物分子相互作用中的卓越准确性。值得注意的是，AF3在预测蛋白质配体、蛋白质核酸和抗体抗原相互作用方面优于专业工具，甚至超过了最先进的对接方法。这种准确性延伸到涉及蛋白质、核酸、小分子、离子和修饰残基的复杂结构。 AF3的关键优势之一是其准确模拟共价修饰的能力，如键合配体、糖基化以及修饰的蛋白质和核酸残基。这种能力对于理解生物学过程背后复杂的分子机制和开发有针对性的治疗干预措施至关重要。研究人员使用最近的接口特定基准（interface-specific benchmark）仔细评估了AF3的性能，证明其优于已知最先进的方法。此外，该模型的置信度测量密切跟踪其准确性，为研究人员提供了一个可靠的预测可靠性指标。 虽然AF3代表着向前迈出的一大步，但研究人员承认存在某些局限性。其中包括偶尔的立体化学侵犯（stereochemical violation），如手性误差和原子碰撞，以及准确预测动力学行为和构象状态的挑战。此外，对某些目标的高度准确的预测可能需要生成多个预测并对其进行排序，从而产生额外的计算成本。 尽管存在这些局限性，但AlphaFold 3的开发是生物分子结构预测领域的一项变革性成就。通过在统一的深度学习框架内对广泛的生物分子相互作用进行准确建模，AF3有望加速我们对细胞调节的理解，并为合理的治疗设计铺平道路。随着计算和实验方法继续并行发展，这些方法之间的协同作用无疑将推动我们进入一个前所未有的结构见解时代，开启生物学理解和治疗发展的新前沿。
    796浏览量
    原文链接

  • 《DeepMind推出AlphaFold3！预测几乎所有分子结构，有望改变药物研发方式》
    • 来源专题：战略生物资源
    • 编译者：李康音
    • 发布时间：2023-11-04
    • 本文内容转载自“智药局”微信公众号。原文链接: https://mp.weixin.qq.com/s/9AwitD_rfIEbflhm-AtV3A 2023年10月31日，Google Deepmind联合Isomorphic Labs共同发布了新一代AlphaFold模型，有望改变药物发现的游戏规则。新一代AlphaFold可以预测蛋白质数据库（PDB）中几乎任何分子的结构，通常具有原子精度，包括配体（小分子）、蛋白质、核酸（DNA 和 RNA）以及含有翻译后修饰 （PTM） 的生物分子。该模型的扩展功能和性能有助于加速生物医学的突破，并实现“数字生物学”的下一个时代，为疾病通路、基因组学、潜在治疗靶点、药物设计机制以及实现蛋白质工程和合成生物学的新平台的功能提供新的见解。Isomorphic Labs 正在将下一代 AlphaFold 模型应用于治疗药物设计。 超越蛋白质折叠 AlphaFold是单链蛋白预测的根本性突破。紧接着，AlphaFold-Multimer 扩展到具有多条蛋白质链的复合物，随后是 AlphaFold2.3，后者提高了性能并将覆盖范围扩大到更大的复合物。?2022 年，AlphaFold 与 EMBL 的欧洲生物信息学研究所合作，通过 AlphaFold 蛋白质结构数据库免费提供几乎所有科学已知的编目蛋白质的结构预测。?迄今为止，已有190多个国家的4万用户访问了AlphaFold数据库，世界各地的科学家已经利用AlphaFold的预测来帮助推进各种研究。?DeepMind展示了 AlphaFold 在预测蛋白质折叠之外的准确结构方面的卓越能力，从而在配体、蛋白质、核酸和翻译后修饰方面生成高度准确的结构预测。对于蛋白质-核酸界面，新版本的AlphaFold优于RoseTTAFold2NA等同类模型，而对于RNA结构预测，它优于其他AI方法，但略微落后人类专家。?研究人员强调，AlphaFold 并不是从头开始解决这些结构，而是从大量实验确定的结构中推断模式。尽管如此，它适应新分子类别建模的灵活性凸显了支撑最近人工智能突破的泛化能力。 加速药物发现 早期分析还表明，新一代AlphaFold模型在一些与药物发现相关的蛋白质结构预测问题上大大优于 AlphaFold2，例如抗体结合。准确预测蛋白质-配体结构是药物发现的一个非常有价值的工具，因为它可以帮助科学家识别和设计可能成为药物的新分子。目前的行业标准是使用“对接方法”来确定配体和蛋白质之间的相互作用。这些对接方法需要刚性参比蛋白结构和配体结合的建议位置。DeepMind最新模型为蛋白质-配体结构预测设定了新的标准，在预测蛋白质-配体相互作用方面，新AlphaFold的性能比传统方法高出约20%，并且还可以预测尚未进行结构表征的全新蛋白质。它还可以联合模拟所有原子的位置，使其能够代表蛋白质和核酸在与其他分子相互作用时的全部固有灵活性， 这是使用对接方法无法实现的。例如，在PORCN、KRAS、和PI5P4Kγ的验证中，AlphaFold最新模型的预测结构与实验确定的结构非常匹配：Isomorphic Labs 正在将下一代 AlphaFold 模型应用于治疗药物设计，帮助快速准确地表征对治疗疾病很重要的多种类型的大分子结构。 对生物学的新认识 通过解锁蛋白质和配体结构以及核酸和包含翻译后修饰的模型，新一代AlphaFold基础生物学提供了一种更快速、更准确的工具。一个例子涉及与crRNA和DNA结合的CasLambda结构，crRNA和DNA是CRISPR家族的一部分。CasLambda 具有 CRISPR-Cas9 系统的基因组编辑能力，该系统通常被称为“基因剪刀”，研究人员可以用它来改变动物、植物和微生物的 DNA。CasLambda 的较小尺寸可能允许更有效地用于基因组编辑。 最新版本的AlphaFold能够模拟这些复杂的系统，展示了人工智能可以帮助更好地理解这些类型的机制，并加速它们在治疗应用中的应用。AlphaFold 3的推出代表了分子建模和药物发现的巨大飞跃。凭借其预测复杂分子结构和相互作用的能力，它有望彻底改变制药市场。虽然新的 AlphaFold 预示着一个充满前所未有可能性的时代，但必须承认它的局限性。在一份综合白皮书中，DeepMind 和 Isomorphic Labs 研究人员坦诚地讨论了该系统的优点和缺点。值得注意的是，该系统在预测 RNA 分子的结构方面存在缺陷，不过，DeepMind 和 Isomorphic Labs 都在努力应对这一挑战，进一步巩固他们对改变分子生物学格局的承诺。
    276浏览量
    原文链接