Google lança modelo de IA de grande sucesso! Prever todas as biomoléculas da Terra acelerará enormemente a pesquisa no tratamento de doenças como o câncer
A DeepMind, de propriedade do Google, causou agitação no mundo acadêmico da noite para o dia.
Em 8 de maio, a DeepMind anunciou oficialmente um novo modelo de IA: AlphaFold 3.
Artigos de pesquisa relevantes foram publicados na conceituada revista "Nature" e ocuparam a primeira página assim que foram publicados.
Depois do ChatGPT, existem inúmeros modelos de IA, mas aquele que está mais qualificado para pretender mudar o mundo pode ser apenas o AlphaFold 3.
A superevolução do AlphaFold torna o mundo biológico mais “alta definição”
Aprendemos nas aulas de biologia do ensino médio que as proteínas são moléculas de cadeia longa formadas pela conexão de aminoácidos por meio de ligações peptídicas e dobradas em estruturas tridimensionais complexas no espaço.
A estrutura tridimensional determina a função da proteína e afeta diretamente o desenho de medicamentos e o tratamento de doenças.
Pode-se dizer que a predição da estrutura proteica é uma das proposições mais importantes da biologia.
No entanto, prever a estrutura tridimensional das proteínas é uma tarefa difícil e muitas vezes requer experimentos complexos. Foi até descrito como “um problema que preocupa os biólogos há 50 anos”.
Em 2016, AlphaGo da DeepMind derrotou um jogador profissional de nove dan e reescreveu a antiga habilidade de Go.
O AlphaFold da DeepMind quer decifrar os códigos da biologia e perscrutar os mistérios da própria vida.
Em 2018, AlphaFold 1 foi lançado.
Em 2020, foi lançado o AlphaFold 2, que já pode prever com precisão a forma das proteínas em grande escala e até o nível atômico em minutos.
Agora temos o AlphaFold 3, uma IA com ambições ainda maiores: ir além das proteínas para explorar todas as moléculas biológicas.
Biomoléculas são as moléculas que constituem os organismos vivos, incluindo proteínas, DNA, RNA, etc.
A DeepMind acredita que somente compreendendo como as biomoléculas interagem em milhões de combinações poderemos começar a compreender verdadeiramente os processos da vida.
Em uma palavra, o AlphaFold 3 cobre uma gama mais ampla do que seu antecessor e pode prever com precisão a estrutura de moléculas biológicas, como proteínas, DNA, RNA, ligantes e como eles interagem.
Vejamos primeiro alguns resultados de previsão do AlphaFold 3.
7PNM é a proteína spike de um vírus do resfriado comum.
Conforme mostrado na figura, AlphaFold 3 prevê a estrutura do 7PNM (parte azul) quando interage com anticorpos (parte verde) e monossacarídeos (parte amarela), o que é consistente com a estrutura real (parte cinza).
Há um significado por trás das previsões. Ao estudar estas proteínas, os cientistas podem compreender melhor o sistema imunitário e os coronavírus, incluindo o COVID-19, e até encontrar melhores opções de tratamento.
Além das estruturas proteicas, o AlphaFold pode prever complexos moleculares, estruturas complexas compostas por múltiplas moléculas.
A enzima mostrada abaixo vem de um fungo do solo que é prejudicial às plantas.
Os resultados da previsão do AlphaFold, incluindo uma proteína enzimática (parte azul), um íon (esfera amarela) e alguns monossacarídeos (parte amarela), ajustam-se à estrutura real (parte cinza).
Uma compreensão mais profunda de como esta enzima interage com as células vegetais poderia ajudar os investigadores a desenvolver culturas mais saudáveis e resistentes, trazendo benefícios práticos para a produção agrícola.
Da mesma forma, AlphaFold 3 prevê um complexo molecular composto por uma proteína (parte azul), uma cadeia de RNA (parte roxa) e dois íons (parte amarela), que também se aproxima da estrutura real (parte cinza).
Este complexo está envolvido na síntese de proteínas, um dos processos básicos das atividades vitais e da saúde celular, e seu significado de pesquisa é igualmente profundo.
Ao mostrar a precisão dos resultados da previsão e enfatizar os usos relacionados, a DeepMind quer dizer ao mundo que AlphaFold 3 é um “modelo revolucionário”.
Por um lado, o âmbito da investigação é mais amplo. Expandir o campo de visão além das proteínas, especialmente moléculas pequenas, como ligantes, pode abranger mais medicamentos.
Por outro lado, a precisão também é melhorada. Para interações de proteínas com outros tipos moleculares, o AlphaFold 3 melhora a precisão em pelo menos 50% em comparação com os métodos de previsão existentes. Algumas das interações importantes foram até melhoradas em 100%.
Desta forma, AlphaFold 3 pode beneficiar mais pesquisas, acelerar o design de medicamentos, promover a genômica, desenvolver culturas mais saudáveis, desenvolver materiais biorrenováveis…
Falando em princípios técnicos, AlphaFold 3 é baseado no aprimoramento do AlphaFold 2. O núcleo é a arquitetura de aprendizado profundo Evoformer e usa uma rede de difusão semelhante ao Midjourney.
O processo de usar o AlphaFold 3 é um pouco como conversar com um grande modelo de linguagem. Insira uma descrição de uma biomolécula e o AlphaFold 3 gera uma estrutura tridimensional dessas moléculas e estuda como elas interagem.
O processo do AlphaFold 3 que fornece resultados de previsão é semelhante ao modelo de difusão de grafos vicentino da IA, que gradualmente diminui o ruído, começando a partir de uma nuvem atômica difusa e convergindo gradualmente para uma estrutura molecular precisa.
A IA generativa que fala a linguagem humana aumenta a produtividade dos trabalhadores dos cubículos. AlphaFold não significa nada mais para os cientistas do que isso.
Prever a estrutura da proteína em laboratório pode custar um doutorado em tempo e centenas de milhares de dólares. Existem centenas de milhões de previsões, e mesmo milhões de pessoas podem não ser capazes de completá-las durante a vida.
Mas com o AlphaFold, os cientistas podem fazer perguntas ousadas, hipóteses inovadoras e depois testá-las em laboratório para acelerar o processo de pesquisa.
Uma frase da DeepMind é suficiente para resumir o significado do AlphaFold 3 para as pessoas comuns:
AlphaFold 3 traz o mundo da biologia para HD.
Entregue AlphaFold ao mundo, aguardando um novo renascimento da descoberta científica
Para zombar do código fechado do OpenAI, Musk deu-lhe um apelido: CloseAI.
O Google, que contribuiu para vários artigos sobre OpenAI, tem um espírito de código mais aberto em alguns aspectos.
Em julho de 2021, AlphaFold 2 publicou um artigo na Nature e também tornou o código aberto.
Até o momento, o AlphaFold 2 foi usado para prever centenas de milhões de estruturas. Milhões de pesquisadores em todo o mundo usam o AlphaFold 2 em áreas como vacinas contra a malária, tratamentos contra o câncer e design de enzimas.
Também em julho de 2021, a DeepMind colaborou com o Instituto Europeu de Bioinformática (EMBL-EBI) para lançar o banco de dados de estrutura de proteínas AlphaFold, fornecendo a imagem mais completa e precisa do proteoma humano até o momento.
A DeepMind mencionou em seu blog oficial que este é um dos conjuntos de dados mais importantes desde o mapeamento do genoma humano. Agora eles colocarão o poder do AlphaFold nas mãos de pesquisadores científicos de todo o mundo gratuitamente.
No espaço de um ano, mais de 500.000 investigadores utilizaram a base de dados AlphaFold para visualizar mais de 2 milhões de estruturas, acelerando soluções para problemas do mundo real, como a poluição plástica e a resistência aos antibióticos.
Desde então, o banco de dados continuou a se expandir.
Em julho de 2022, a DeepMind divulgou as estruturas previstas de quase todas as proteínas conhecidas pela ciência, totalizando mais de 200 milhões, que além de humanos também inclui estruturas previstas de plantas, bactérias, animais e outros organismos.
O banco de dados AlphaFold é como uma “pesquisa no Google” por estruturas de proteínas e também como um universo protéico estrelado. A estrutura tridimensional da proteína é a pedra angular da vida. Parece requintada e bonita, fazendo as pessoas se maravilharem com a magia da criação da natureza.
No entanto, o AlphaFold 3 lançado desta vez tem uma atitude um pouco mais conservadora do que o AlphaFold 2, o que atraiu algumas críticas.
Atualmente, o AlphaFold 3 não é de código aberto e não pode ser implantado localmente. Os pesquisadores só podem acessar a maioria das funções gratuitamente por meio da mais recente plataforma de pesquisa da DeepMind, AlphaFold Server, e o uso não é comercial.
O que mais atrapalha o progresso científico é o número de acessos ao serviço: só podem ser feitas 10 previsões por dia.
Por trás do comportamento mesquinho, a DeepMind pode ter suas próprias considerações comerciais – sua subsidiária Isomorphic Labs cooperou com empresas farmacêuticas para aplicar o AlphaFold 3 ao design de medicamentos.
Demis Hassabis, cofundador e CEO do Google DeepMind, expressou otimismo de que os primeiros medicamentos projetados por IA possam estar prontos para testes nos próximos anos.
Claro, AlphaFold ainda tem limitações.
O biólogo estrutural chinês Yan Ning certa vez respondeu à pergunta em 2022 sobre se o AlphaFold 2 substituirá os cientistas.
Em termos de Nav/Cav, o AlphaFold 2 ainda está preso no nível de 2017 e, ao testar a interação entre novas pequenas moléculas e proteínas, nenhuma das previsões da IA estava correta.
Yan Ning explicou que a ciência bioestrutural não trata apenas do dobramento, mas também da compreensão das mudanças dinâmicas das proteínas, da compreensão das interações com outras macromoléculas biológicas ou pequenas moléculas reguladoras e da compreensão do estado das células in situ. tudo Esta é uma área onde a IA ainda é impotente.
Hoje, AlphaFold 3 dá um grande passo onde AlphaFold 2 ficou aquém, permitindo-nos ver a possibilidade de prever as interações de diferentes biomoléculas, mas ainda está focado em previsões estáticas de estruturas moleculares, que às vezes podem produzir alucinações.
Numa entrevista anterior, Demis Hassabis criticou o entusiasmo em torno da IA.
Ele acredita que a IA deve ser usada como a "ferramenta definitiva da ciência", como o modelo AlphaFold para prever a estrutura das proteínas. A humanidade está prestes a inaugurar um novo renascimento da descoberta científica.
O herói vê a mesma coisa. Huang Jenxun da Nvidia também está muito otimista sobre o caminho da IA em medicina e biotecnologia. Ele apresentou muitos serviços médicos de IA na Conferência GTC AI de 2024 e chegou a acordos com empresas como a Johnson & Johnson nas áreas. de cirurgia e imagens médicas cooperam.
Sora simula o mundo físico, enquanto AlphaFold 3 nos permite compreender o mundo biológico e retornar às nossas expectativas originais em relação à IA – acelerar a descoberta científica, promover o progresso humano e compreender a própria vida.
Embora o AGI ainda esteja longe, textos, imagens, vídeos e moléculas de proteínas são diferentes uns dos outros, mas ecoam entre si.
A IA tornou-se, de facto, muito poderosa e cada vez mais relevante para a vida quotidiana, e podemos esperar que surjam mais inovações e que mais mistérios sejam resolvidos todos os dias.
# Bem-vindo a seguir a conta pública oficial do WeChat do aifaner: aifaner (WeChat ID: ifanr). Mais conteúdo interessante será fornecido a você o mais rápido possível.
