DeepMind 推出AlphaFold 3 蛋白質結構預測精度再提升 - Cool3c

Google DeepMind 與 Isomorphic Labs 共推 AlphaFold 3，能準確預測生物分子結構變化，有助新藥物開發。

Google DeepMind與同為Alphabet旗下公司Isomorphic Labs共同宣布推出全新蛋白質結構預測模型AlphaFold 3，標榜能以人工智慧方式準確預測生物分子相互作用的結構變化，而相關論文內容則以46頁篇幅刊載於《自然》雜誌。

過去Google就已經持續透過AlphaFold預測蛋白質結構變化，藉此協助醫學研究機構開發治療癌症、免疫系統相關疾病方法。

透過自動生成式人工智慧技術，Google Deepmind預期能藉此更準確育色蛋白質與其他分子相互作用時，在結構上所產生變化、互動。而Google Deepmind執行長Demis Hassabis表示，AlphaFold 3將是其技術發展全新里程碑，同時也象徵藉由人工智慧在生物學理解及建模跨出重要一步。

相比先前提出模型，AlphaFold 3將能在預測精度提高1倍以上，並且能準確預測蛋白質、DNA、RNA等結構變化，進而改變傳統對於生物結構理解方式，同時也能加速相應藥物研發速度。

此次推出AlphaFold 3，Google Deepmind也同步推出可透過Google帳號登入免費使用的AlphaFold Server服務，單日最多可執行10次運算工作，而單次運算工作最多可對應5000個token運作。

過去研究藥物需要花費大量時間、成本，透過諸多數據分析研究與後續測試才能順利完成，同時因為蛋白質結構充滿各種不確定性，使得其結構互動表現會有大量可能性，進而難以預測。

因此，DeepMind過去便以人工智慧方式打造AlphaFold，透過模擬預測方式分析蛋白質立體摺合結構，讓電腦系統能進一步掌握蛋白質結構變化，進而可透過設置藥物靶點，讓治療藥物分子能與蛋白質結構契合，進而達成投藥療效。

從2012年推出第一款AlphaFold之後，並且從2018年大量投入蛋白質結構研究後，Deepmind便成功預測43種蛋白質中的25種結構組成方式，而在2020年推出的AlphaFold 2則對應人類及20種常見生物的35萬種蛋白質結構數據，同時也針對98.5%的人類含有蛋白質進行準確預測，其中更有35%比例完成高精度預測，45%比例則介於足夠準確預測情況。

截至為止，使用AlphaFold數據庫的人數已經超過180萬，其中涵蓋超過190個國家地區、累積查看蛋白質結構數量更已經超過600萬次，相關論文與數據引用次數則超過2萬次。

藉由AlphaFold模型預測，Google Deep Mind預期讓研究機構免除原本需要花費數億年的研究時間，同時節省經費估計也超過數兆美元，目前更有數百萬名全球地區的研究人員利用AlphaFold 2，分別在瘧疾疫苗、癌症治療與酶相關藥物設計取得顯著成果。