AI -proteiinin ennustetyökalu Alphafold3 on nyt saatavana avoimen lähteenä
AI -proteiinin ennustetyökalu Alphafold3 on nyt saatavana avoimen lähteenä
alphafold3 on vihdoin saatavana. Kuusi kuukautta Google DeepMind PAPERS on nyt Protein-rakenne , tutkijat voivat nyt
"Olemme erittäin innoissamme siitä, mitä ihmiset tekevät sen kanssa", sanoo John Jumper, joka johtaa Deepmindin alfafold-tiimiä ja viime kuussa yhdessä toimitusjohtajan demis hassabisin Osa kemian Nobel-palkinnosta 2024 voitti heidän työstään Ki-työkalulla. Toisin kuin hänen edeltäjänsä, Alphafold3 . Tekstilinkki "> Alphafold2 Oliko tapaus tarjosi pääsyn web-palvelimen kautta, joka rajoitti tutkijoiden lukumäärää ja tyyppiä.
Kaikki voivat nyt ladata Alphafold3 -ohjelmistokoodin eivätkä käytä sitä kaupallisesti. Tällä hetkellä vain akateemisella kuulumisella olevilla tutkijoilla on kuitenkin pääsy pyynnöstä harjoittelupainoihin.
versiot
DeepMindillä on kilpailu: Viime kuukausina useilla yrityksillä on Avoimen lähdekoodin työkalut proteiinirakenteiden ennustamiseksi, joka perustuu alfafold3 , jotka tunnetaan alkuperäisessä paperin pseudokoodissa kuvattuissa lajeissa.
Kaksi kiinalaista yritystä-teknologiajätti Baidu ja Tikok-kehittäjä Bydentance-Have julkaisivat omat Alphafold3: n inspiroimat mallit sekä aloittamisen San Franciscossa, Kaliforniassa, nimeltään Chai Discovery.
Näiden mallien olennainen haitta on, että yksikään niistä, kuten Alphafold3, ei ole lisensoitu kaupallisiin sovelluksiin, kuten huumeiden tutkimukseen, sanoo New Yorkin Columbian yliopiston tietokonebiologi Mohammed Alquraishi. CHAI Discovery -mallia, CHAI-1: tä, voidaan käyttää tällaiseen työhön verkkopalvelimen kautta, selittää yrityksen perustaja Jack Dent.
Toinen yritys, Ligo Biosciences San Franciscosta, on julkaissut rajoituksen -Alphafold3: n vapaan version. Tällä ei kuitenkaan ole vielä koko toimintojen spektriä, mukaan lukien kyky mallintaa lääkkeitä ja erityyppisiä proteiineja.
; Tämä antaisi lääkeyhtiöille mahdollisuuden siirtyä omiin mallin versioihinsa käyttämällä omistustietoa, kuten erilaisiin lääkkeisiin sitoutuneiden proteiinien rakenteita, jotka voivat mahdollisesti lisätä suorituskykyä.avoimuus laskee
Viime vuonna tapahtui uusia biologisia AI -malleja yrityksiltä, joilla on erilaisia lähestymistapoja avoimuuteen. Wisconsin-Madisonin yliopiston tietokonebiologilla Anthony Gitterillä ei ole ongelmia kaupallisten yritysten kanssa, jotka tulevat alaansa, niin kauan kuin he noudattavat samoja sääntöjä kuin muilla tutkijoilla, kun he jakavat työnsä erikoistuneissa lehdissä ja rekvisiittapalvelimissa.
Jos DeepMind herättää väitteitä Alphafold3: sta tieteellisessä julkaisussa, "odotan, että jaat tietoa ennusteiden tekemisestä sekä AI -mallit ja koodin, jotta voimme tarkistaa ne", lisää Gitter. "Ryhmäni ei käytä työkaluja, joita emme voi tarkistaa."
Se, että useita Alphafold3: n toistoja on jo luotu, osoittaa, että malli oli toistettavissa, jopa ilman avointa lähdekoodia, sanoo Deepmindin tieteen AI: n päällikkö Pushmeet Kohli. Hän lisää, että tulevaisuudessa hän toivoo lisää keskusteluja julkaisustandardeista alueella, jonka akateemiset ja yrittäjätutkijat ovat yhä enemmän asuttaneet.
Alphafold2: n avoimen lähdekoodin luonto johti muiden tutkijoiden innovaatiokorotukseen. Esimerkiksi äskettäisen proteiinimallinnuksen kilpailun voittajat käyttivät AI-työkalua Uusien proteiinien suunnitteluun, jotka voivat sitoutua syöpään kohteeseen . Hyppääjan suosikki hakkerointi Alphafold2: sta tulee joukkueelta, joka käytti työkalua Tärkeän proteiinin tunnistamiseksi, joka auttaa siittiöitä varaamaan munat .
hyppääjä voi tuskin odottaa, mitkä yllätykset ilmestyvät Alphajt3: n julkaisemisen jälkeen - vaikka ne eivät aina ole onnistuneita. "Ihmiset käyttävät sitä omituisella tavalla", hän ennustaa. "Joskus se epäonnistuu ja joskus se onnistuu."