- Alphafold 3 Code und Gewichte jetzt für die Forschung verfügbar
- Passage zu den Nutungseinschränkungen eingefügt
Update vom 11. November 2024:
Google Deepmind hat AlphaFold 3 bei Github veröffentlicht. Die Veröffentlichung umfasst Code und Modell-Parameter. Letztere dürfen nach den Alphafold 3 Nutzungsbedingungen für die nicht-kommerzielle Nutzung, hier insbesondere die Forschung, eingesetzt werden.
Damit adressiert Google Deepmind die Kritik, dass die Nutzung von Alphafold 3 über die Server-Infrastruktur der Firma eingeschränkt wird (siehe unten).
Update vom 9. Mai 2024:
Der Zugang zu Alphafold 3 unterliegt im Vergleich zu Alphafold 2 einigen Einschränkungen. Forscher können das Tool nur über einen Server und für nicht-kommerzielle Zwecke nutzen. Sie sind auf zehn (Update November 2024: 20) Vorhersagen pro Tag beschränkt und können keine Strukturen von Proteinen berechnen, die mit potenziellen Medikamenten in Verbindung stehen.
DeepMind begründet die Einschränkungen damit, dass die Tochterfirma Isomorphic Labs Alphafold 3 selbst für die Arzneimittelforschung einsetzt.
"Wir müssen ein Gleichgewicht finden zwischen der Zugänglichkeit und der Wirkung in der wissenschaftlichen Gemeinschaft und der Fähigkeit von Isomorphic, kommerzielle Arzneimittelforschung zu betreiben", sagt Pushmeet Kohli, Leiter der KI-Wissenschaft bei DeepMind und Mitautor der Studie, zu Nature.
Demgegenüber steht die Befürchtung, dass DeepMind den Zugang zur Technologie monopolisieren und den wissenschaftlichen Fortschritt aus kommerziellen Interessen verlangsamen könnte. Alphafold 2 veröffentlichte Google Deepmind noch als Open Source.
Ursprünglicher Artikel vom 08. Mai 2024:
Google Deepmind stellt Alphafold 3 vor: KI-Turbo für die Arzneimittelentwicklung
Mit AlphaFold 3 präsentiert Google DeepMind eine neue Generation seines KI-Systems zur Vorhersage von Proteinstrukturen. Das Modell kann komplexe Wechselwirkungen zwischen Proteinen, DNA, RNA und Liganden vorhersagen.
Google DeepMind und sein KI-Medizin-Spin-off Isomorphic Labs haben mit AlphaFold 3 die neueste Version ihres Proteinvorhersagemodells vorgestellt. Es soll die Struktur und Wechselwirkungen aller biologischen Moleküle mit bisher unerreichter Genauigkeit vorhersagen können.
Das neue System sei ein großer Fortschritt gegenüber seinem Vorgänger AlphaFold 2, mit dem 2020 der Durchbruch in der Proteinstrukturvorhersage gelungen war.
Während sich AlphaFold 2 auf Proteine beschränkte, geht AlphaFold 3 weit darüber hinaus und modelliert das Zusammenspiel von Proteinen, DNA, RNA, Liganden, Ionen und chemischen Modifikationen. Bei der Vorhersage von Protein-Ligand-Wechselwirkungen ist AlphaFold 3 um 50 Prozent genauer als bisherige Methoden.
Der Kern des Modells ist eine verbesserte Version des Evoformer-Moduls, das bereits AlphaFold 2 zugrunde lag. Für die abschließende Strukturvorhersage wird ein neues Diffusionsnetzwerk verwendet, ähnlich wie bei KI-Bildgeneratoren.
Es beginnt mit einer "Wolke" von Atomen, deren Positionen zufällig verrauscht sind. Dann versucht es Schritt für Schritt, das Rauschen zu reduzieren und so die wahre Anordnung der Atome zu rekonstruieren.
Dieser Prozess läuft iterativ, also in vielen Durchgängen ab, wobei das Gitter mit jedem Schritt ein etwas klareres Bild der Molekülstruktur gewinnt. Am Ende steht die endgültige Vorhersage.
Besonders spannend für die Entwicklung neuer Medikamente ist, dass AlphaFold 3 die Wechselwirkung von Proteinen mit Wirkstoffen und Antikörpern vorhersagen kann - ohne auf experimentelle Strukturdaten angewiesen zu sein.
Damit übertrifft AlphaFold 3 sogar Methoden, die auf physikalischen Modellen basieren und die exakte 3D-Struktur des Proteins als Ausgangspunkt benötigen. Diese wiederum muss zuvor experimentell ermittelt werden, zum Beispiel durch Röntgenkristallographie oder Kernspinresonanzspektroskopie (NMR). Das sei zeitaufwendig und teuer.
Für die nicht-kommerzielle Forschung stellt DeepMind die meisten Funktionen von AlphaFold 3 über den neu gestarteten AlphaFold Server kostenlos zur Verfügung. Mit nur wenigen Klicks können Wissenschaftler AlphaFold 3 nutzen, unabhängig von ihrer Erfahrung mit maschinellem Lernen oder den verfügbaren Rechenressourcen.
Das DeepMind-Team ist davon überzeugt, dass AlphaFold 3 eine neue Ära der computergestützten Zellbiologie einläutet. Es ermögliche einen detaillierten Blick auf die Interaktionen in Zellen und könne die Forschung in vielen Bereichen enorm voranbringen - von grundlegenden biologischen Fragen bis zu vollkommen neuen Forschungsfeldern.
Ziel sei es, die Entwicklung lebensverändernder Therapien zu beschleunigen. Allerdings muss sich der Nutzen erst noch in der Praxis zeigen. Isomorphic Labs, eine Ausgründung von DeepMind, setze AlphaFold 3 bereits für reale Herausforderungen im Wirkstoffdesign ein, sowohl für interne Projekte als auch mit Pharmaunternehmen.
