Инструментът за прогнозиране на AI протеин AlphaFold3 вече е достъпен като отворен код

Инструментът за прогнозиране на AI протеин AlphaFold3 вече е достъпен като отворен код

AlphaFold3 най-накрая е наличен. Шест месеца след Google DeepMind спорен код един Доклади за модела за прогнозиране на структурата на протеина учените вече могат изтеглете софтуерния код и да използват инструмента за изкуствен интелект за некомерсиални приложения, обяви базираната в Лондон компания на 11 ноември.

„Ние сме много развълнувани да видим какво правят хората с него“, казва Джон Джъмпър, който ръководи екипа на AlphaFold в DeepMind и се присъедини към изпълнителния директор Демис Хасабис миналия месец спечели част от Нобеловата награда за химия за 2024 г за тяхната работа върху инструмента AI.

За разлика от своите предшественици, AlphaFold3 способен да моделира протеини в комбинация с други молекули. Вместо да пусне основния код - какъвто е случаят с AlphaFold2 беше случаят – DeepMind предостави достъп чрез уеб сървър, който ограничи броя и вида на прогнозите, които учените могат да направят.

Критично, сървърът AlphaFold3 не позволи на учените да предвидят как протеините ще реагират в присъствието на потенциални лекарства. Но сега решението на DeepMind да пусне кода означава, че академичните учени могат да предскажат такива взаимодействия, като сами управляват модела.

Компанията първоначално заяви, че предоставянето на AlphaFold3 само чрез уеб сървър постига правилния баланс между предоставянето на достъп за изследвания и защитата на търговските амбиции. Isomorphic Labs, отделяне на DeepMind в Лондон, прилага AlphaFold3 в откриването на лекарства.

Въпреки това изтегли пускането на AlphaFold3 без неговия код или тегло на модела — Параметри, получени чрез обучение на софтуера върху протеинови структури и други данни — привлечеха критики от учени, които казаха, че този ход подкопава възпроизводимостта. DeepMind бързо направи заключения и каза, че версия с отворен код на инструмента ще бъде предоставена в рамките на шест месеца.

Вече всеки може да изтегли софтуерния код AlphaFold3 и да го използва с некомерсиална цел. Понастоящем обаче само учени с академични връзки имат достъп до тренировъчните тежести при поискване.

Достъпни версии

DeepMind има конкуренция: През последните месеци няколко компании имат Представени са инструменти с отворен код за предсказване на протеиновата структура на базата на AlphaFold3, които разчитат на спецификации, описани в оригиналния документ, известен като псевдокод.

Две китайски компании – технологичният гигант Baidu и разработчикът на TikTok ByteDance – пуснаха свои собствени модели, вдъхновени от AlphaFold3, както и стартъп в Сан Франциско, Калифорния, наречен Chai Discovery.

Ключов недостатък на тези модели е, че нито един от тях, като AlphaFold3, не е лицензиран за комерсиални приложения като откриване на лекарства, казва Мохамед АлКураиши, изчислителен биолог в Колумбийския университет в Ню Йорк. Моделът на Chai Discovery, Chai-1, обаче може да се използва за такава работа чрез уеб сървър, обяснява Джак Дент, съосновател на компанията.

Друга компания, Ligo Biosciences от Сан Франциско, пусна без ограничения версия на AlphaFold3. Това обаче все още няма пълния набор от функции, включително способността да моделира лекарства и молекули, различни от протеини.

Други екипи работят върху версии на AlphaFold3, които са достъпни без такива ограничения: AlQuraishi се надява да предложи модел с напълно отворен код, наречен OpenFold3 по-късно тази година. Това би позволило на фармацевтичните компании да преквалифицират свои собствени версии на модела, използвайки патентовани данни, като например структурите на протеини, свързани с различни лекарства, което потенциално подобрява производителността.

Откритостта има значение

През изминалата година се наблюдава прилив на нови биологични AI модели от компании с различни подходи към отвореността. Антъни Грид, изчислителен биолог от Университета на Уисконсин-Медисън, няма проблем с навлизането на търговски компании в неговата област - стига да следват същите правила като другите учени, когато споделят работата си в списания и сървъри за предпечат.

Ако DeepMind направи твърдения за AlphaFold3 в научна публикация, „бих очаквал те също да споделят информация за това как са направени прогнозите и да предоставят AI моделите и кода по начин, по който можем да ги тестваме“, добавя grid. „Моята група няма да използва инструменти, които не можем да проверим.“

Фактът, че няколко репликации на AlphaFold3 вече са се появили, показва, че моделът е възпроизводим, дори и без код с отворен код, казва Пушмиет Коли, ръководител на AI за наука в DeepMind. Той добавя, че би искал да види повече дискусии в бъдеще относно стандартите за публикуване в област, която все повече се населява от академични и корпоративни изследователи.

Природата с отворен код на AlphaFold2 доведе до вълна от иновации от други учени. Например, победителите в скорошно състезание за моделиране на протеини използваха инструмента AI, за да за проектиране на нови протеини, които могат да се свържат с ракови мишени. Любимият AlphaFold2 хак на Jumper идва от екип, който използва инструмента за за идентифициране на важен протеин, който помага на спермата да се прикрепи към яйцеклетките.

Jumper няма търпение да види какви изненади ще се появят след пускането на AlphaFold3 - дори и да не винаги са успешни. „Хората ще го използват по странни начини“, прогнозира той. „Понякога ще се провали, а понякога ще успее.“