Wprowadzenie
AlphaFold to system sztucznej inteligencji stworzony przez Google DeepMind, który dokonał rewolucji w biologii obliczeniowej. Rozwiązał jedno z największych nierozwiązanych problemów nauki – precyzyjne przewidywanie trójwymiarowej struktury białek na podstawie sekwencji aminokwasów.
Historia rozwoju
- AlphaFold 1 (2018) – pierwsze znaczące wyniki na CASP13
- AlphaFold 2 (2021) – przełomowe osiągnięcie, prawie dorównało eksperymentom laboratoryjnym
- AlphaFold 3 (2024) – przewiduje nie tylko struktury białek, ale także interakcje z DNA, RNA, ligandami i innymi cząsteczkami
Znaczenie naukowe
Przed AlphaFold eksperymentalne określanie struktury białka (krystalografia rentgenowska, kriomikroskopia elektronowa) trwało miesiące lub lata i było bardzo kosztowne. AlphaFold potrafi to zrobić w kilka minut z dokładnością często przekraczającą 90%.
Zastosowania
- Odkrywanie nowych leków i projektowanie leków (drug discovery)
- Badania nad chorobami (np. Alzheimer, Parkinson, rak)
- Projektowanie enzymów i białek na zamówienie (protein design)
- Biotechnologia i synteza biologiczna
- Rozwój szczepionek i terapii genowych
- Badania nad mechanizmami molekularnymi życia
AlphaFold Database
DeepMind we współpracy z EMBL-EBI udostępnił bazę zawierającą ponad 200 milionów przewidywanych struktur białek – niemal cały proteom Ziemi. Jest to jedno z największych otwartoźródłowych zasobów naukowych w historii.
Wpływ na naukę
AlphaFold jest często porównywany do „ChatGPT dla biologii”. Przyspieszył badania naukowe o dekady i otworzył erę AI-powered biology. W 2024 roku Demis Hassabis i John Jumper otrzymali Nagrodę Nobla z chemii za rozwój AlphaFold.
Powiązane pojęcia
DeepMind • Protein Folding Problem • CASP • Computational Biology • AI in Drug Discovery • AlphaFold 3 • Multimer Prediction • Structural Biology