Orodje za napovedovanje proteinov AI AlphaFold3 je zdaj na voljo kot odprta koda

Orodje za napovedovanje proteinov AI AlphaFold3 je zdaj na voljo kot odprta koda

AlphaFold3 je končno na voljo. Šest mesecev po Googlu DeepMind sporna koda eno Prispevki o modelu napovedi strukture beljakovin znanstveniki lahko zdaj prenesite programsko kodo in uporabljati orodje umetne inteligence za nekomercialne aplikacije, je 11. novembra objavilo podjetje s sedežem v Londonu.

»Zelo smo navdušeni, da vidimo, kaj ljudje počnejo s tem,« pravi John Jumper, ki vodi ekipo AlphaFold pri DeepMindu in se je prejšnji mesec pridružil izvršnemu direktorju Demisu Hassabisu leta 2024 prejel del Nobelove nagrade za kemijo za njihovo delo na orodju AI.

Za razliko od svojih predhodnikov, AlphaFold3 sposobni modelirati proteine ​​v kombinaciji z drugimi molekulami. Namesto da bi izdali osnovno kodo - kot je to v primeru AlphaFold2 je bilo tako – DeepMind je omogočil dostop prek spletnega strežnika, ki je omejil število in vrsto napovedi, ki bi jih znanstveniki lahko naredili.

Najpomembneje je, da strežnik AlphaFold3 znanstvenikom ni dovolil napovedati, kako bodo beljakovine reagirale v prisotnosti potencialnih zdravil. Toda zdaj odločitev DeepMinda, da izda kodo, pomeni, da lahko akademski znanstveniki predvidijo takšne interakcije tako, da sami zaženejo model.

Podjetje je sprva navedlo, da je omogočanje AlphaFold3, ki je na voljo samo prek spletnega strežnika, doseglo pravo ravnovesje med zagotavljanjem dostopa za raziskave in zaščito komercialnih ambicij. Isomorphic Labs, spin-off podjetja DeepMind v Londonu, uporablja AlphaFold3 pri odkrivanju zdravil.

Vendar umaknil izdajo AlphaFold3 brez kode ali uteži modela — Parametri, pridobljeni z urjenjem programske opreme na proteinskih strukturah in drugih podatkih — so pritegnili kritike znanstvenikov, ki so rekli, da ta poteza spodkopava ponovljivost. DeepMind je hitro potegnil zaključke in dejal, da bo odprtokodna različica orodja na voljo v šestih mesecih.

Vsakdo lahko zdaj prenese programsko kodo AlphaFold3 in jo uporablja nekomercialno. Vendar pa imajo trenutno na zahtevo dostop do vadbenih uteži le znanstveniki z akademskimi zvezami.

Dostopne različice

DeepMind ima konkurenco: v zadnjih mesecih jo ima več podjetij Predstavljena so odprtokodna orodja za napovedovanje strukture beljakovin na osnovi AlphaFold3, ki temeljijo na specifikacijah, opisanih v izvirnem dokumentu, znanem kot psevdokoda.

Dve kitajski podjetji – tehnološki velikan Baidu in razvijalec TikTok ByteDance – sta izdali lastne modele, ki jih je navdihnila AlphaFold3, prav tako startup v San Franciscu v Kaliforniji, imenovan Chai Discovery.

Ključna pomanjkljivost teh modelov je, da nobeden od njih, tako kot AlphaFold3, nima licence za komercialne aplikacije, kot je odkrivanje zdravil, pravi Mohammed AlQuraishi, računalniški biolog na univerzi Columbia v New Yorku. Vendar pa je model Chai Discovery, Chai-1, mogoče uporabiti za takšno delo prek spletnega strežnika, pojasnjuje Jack Dent, soustanovitelj podjetja.

Drugo podjetje, Ligo Biosciences iz San Francisca, je izdalo različico AlphaFold3 brez omejitev. Vendar to še nima celotnega nabora funkcij, vključno z zmožnostjo modeliranja zdravil in molekul, ki niso beljakovine.

Druge ekipe delajo na različicah AlphaFold3, ki so na voljo brez takšnih omejitev: AlQuraishi upa, da bo pozneje letos ponudil popolnoma odprtokodni model, imenovan OpenFold3. To bi farmacevtskim podjetjem omogočilo, da ponovno usposobijo svoje različice modela z uporabo lastniških podatkov, kot so strukture beljakovin, vezanih na različna zdravila, kar bi lahko izboljšalo učinkovitost.

Odprtost šteje

Preteklo leto je bilo priča navalu novih bioloških modelov umetne inteligence podjetij z različnimi pristopi k odprtosti. Anthony Grid, računalniški biolog na Univerzi Wisconsin-Madison, nima težav z vstopom komercialnih podjetij na njegovo področje – dokler upoštevajo ista pravila kot drugi znanstveniki, ko delijo svoje delo v revijah in strežnikih za predtisk.

Če DeepMind trdi o AlphaFold3 v znanstveni publikaciji, bi pričakoval, da bodo delili tudi informacije o tem, kako so bile narejene napovedi, in zagotovili modele AI in kodo na način, da jih lahko preizkusimo, dodaja Grid. "Moja skupina ne bo uporabljala orodij, ki jih ne moremo preveriti."

Dejstvo, da se je že pojavilo več replikacij AlphaFold3, kaže, da je bil model ponovljiv, tudi brez odprtokodne kode, pravi Pushmeet Kohli, vodja AI za znanost pri DeepMind. Dodaja, da bi si v prihodnosti želel več razprav o objavljanju standardov na področju, ki ga vse bolj obremenjujejo akademski in korporativni raziskovalci.

Odprtokodna narava AlphaFold2 je povzročila val inovacij drugih znanstvenikov. Zmagovalci nedavnega tekmovanja v modeliranju beljakovin so na primer uporabili orodje AI za za oblikovanje novih proteinov, ki se lahko vežejo na tarčo raka. Jumperjev najljubši vdor AlphaFold2 prihaja iz ekipe, ki je orodje uporabila za za identifikacijo pomembne beljakovine, ki pomaga semenčici pritrditi na jajca.

Jumper komaj čaka, da vidi, kakšna presenečenja se bodo pojavila po izdaji AlphaFold3 – tudi če niso vedno uspešna. "Ljudje ga bodo uporabljali na čudne načine," napoveduje. "Včasih bo spodletelo, včasih pa uspelo."