Nový model umělé inteligence OpenFold3 výrazně rozšiřuje přístup k výkonnému nástroji pro předpovídání interakcí proteinů s jinými molekulami, což otevírá cestu k urychlení vývoje léků a lepšímu pochopení biologických procesů. Tento vývoj, postavený jako otevřená rekonstrukce AlphaFold3 od Google DeepMind, je důležitým krokem k demokratizaci dříve Omezené technologie.
Distribuce OpenFold3: reakce na omezený přístup
AlphaFold3, vydaný v říjnu 2023, představuje významný pokrok v oblasti umělé inteligence, což umožňuje předpovídat, jak proteiny interagují nejen s jinými proteiny, ale také s malými molekulami, jako jsou ty, které se nacházejí v lécích a nukleových kyselinách. DeepMind však zpočátku omezil přístup k alphafold3 jednotlivcům, neziskovým organizacím a novinářům, což bránilo širšímu vědeckému výzkumu. Konsorcium výzkumníků vedených Muhammadem Al-Kurajšim z Kolumbijské univerzity si uvědomilo potřebu transparentnosti a širší spolupráce a pracně znovu vytvořilo platformu AlphaFold3, která vyústila v openfold3. Tento open source model umožňuje společnostem a výzkumníkům využívat technologii ke komerčním účelům, včetně kritického úsilí o vývoj léků.
Proč je predikce interakcí proteinů důležitá
Pochopení toho, jak proteiny interagují mezi sebou a s jinými molekulami, je pro biologii zásadní. Proteiny jsou pracovníci buněk a jejich funkce do značné míry závisí na jejich tvaru. “Biologie nejsou proteiny v izolaci. Jsou to biomolekuly, které se vzájemně ovlivňují, ” vysvětluje Woody Sherman, zakladatel a ředitel inovací společnosti Psivant Therapeutics a předseda výkonného výboru OpenFold. Predikce těchto interakcí je kritickým krokem ve vývoji léků, což výzkumníkům umožňuje identifikovat potenciální cíle pro léky a vyvíjet molekuly, které se účinně vážou a modulují aktivitu proteinů.
Poučení z AlphaFold2
Vytvoření OpenFold2 poskytlo cenné poznatky o vnitřním fungování modelů umělé inteligence typu AlphaFold. Výzkum, který byl původně prezentován jako algoritmus, který se učí skládat proteiny na základě sekvence aminokyselin, ukázal, že AlphaFold2 si v podstatě “pamatuje” dříve pozorované struktury proteinů a využívá tyto vzpomínky k předpovědi struktur podobných proteinů. Použití těchto znalostí na AlphaFold3 by mohlo otevřít podobné možnosti pro pochopení kombinací proteinových léků, což by vedlo ke zlepšení přesnosti předpovědi. Stephanie Vankovwich, strukturální biochemička zabývající se počítačovou strukturou na Vanderbilt University, zdůrazňuje důležitost transparentnosti kódu a uvádí, že “je obtížné vyhodnotit výpočetní produkt bez prohlížení zdrojových dat”.
Obtížnost reprodukce
Zatímco ostatní týmy se pokoušely replikovat AlphaFold3, dosažení vysoké přesnosti se ukázalo jako obtížný úkol. To je způsobeno především jemnými” triky a vylepšeními ” používanými tvůrci AlphaFold3, které nejsou výslovně zdokumentovány v kódu nebo doprovodných materiálech. Sherman zdůrazňuje důležitost těchto detailů a poznamenává, že”nikdo to nenaznačuje… ale na detailech záleží, zvláště když pracujete s velkými modely a spoustou dat”. Tým OpenFold3 připouští, že mezi jejich modelem a původním AlphaFold3 zůstávají určité rozdíly.
Překračování statických struktur: integrace biologické reality
Současné modely umělé inteligence, včetně AlphaFold3 a OpenFold3, generují statické snímky proteinů. V živých buňkách jsou však proteiny obklopeny vodou a ionty, neustále vibrují a pohybují se. Tým OpenFold3 se snaží začlenit tyto dynamické faktory do svého modelu tím, že poskytuje realističtější pohled na to, jak se proteiny chovají ve svém přirozeném prostředí.
Společné školení ke zvýšení účinnosti vývoje léků
Ještě před svým oficiálním vydáním si OpenFold3 získal popularitu ve farmaceutickém průmyslu. Pět společností spojilo své síly prostřednictvím iniciativy Federated OpenFold3 pro výuku modelu umělé inteligence pomocí patentovaných datových sad, přičemž se snažilo vytvořit výkonnější a specializovaný prediktivní nástroj a zároveň chránit citlivé informace. Tento společný přístup demonstruje potenciál OpenFold3 urychlit úsilí o vývoj léků pomocí znalostí z oboru. V současné době je pouze malá část proteinových struktur ve veřejných databázích spojena s molekulami, které mají vlastnosti léků — tato mezera iniciativa doufá, že zaplní.
Postupný vliv na vývoj léků
Ačkoli OpenFold3 slibuje mnoho, odborníci varují před očekáváním okamžitých, revolučních změn ve vývoji léků. “Bude to další fáze, další fáze a další fáze, ve které skutečně začneme vidět významný dopad,” uzavírá Sherman. OpenFold3 slouží jako důležitý výchozí bod pro pokroky v této oblasti, rozšiřuje možnosti výzkumníků a urychluje vývoj nových a účinných terapií.
