AlphaFold
诺贝尔奖是 AI 发展的里程碑时刻！DeepMind 联创 Hassabis 获奖后最新专访
今年的诺奖将物理和化学两个领域的奖项都颁给了 AI 成果，这究竟代表着怎样的含义，又会产生怎样的影响？ Demis Hassabis 在本次专访中提出了自己的见解。 10 月，DeepMind 联合创始人兼 CEO Demis Hassabis 凭借 AlphaFold 成为了诺贝尔化学奖的三位共同获奖者之一。
诺奖 AI“AlphaFold”破解受精之谜：揭秘精卵相遇生命“火花”点燃瞬间
精子和卵子结合第一瞬间，会发生什么？AlphaFold 竟揭晓了答案。它成功预测出，三种精子蛋白质相互作用的复合物，成为生命孕育的关键所在。
预测蛋白质-DNA结合特异性，南加州大学团队开发几何深度学习新方法
编辑 | 萝卜皮预测蛋白质-DNA 结合特异性是一项具有挑战性但又至关重要的任务，有助于理解基因调控。蛋白质-DNA 复合物通常与选定的 DNA 靶位结合，而蛋白质则以不同程度的结合特异性与广泛的 DNA 序列结合。这些信息无法在单一结构中直接获取。为了获取这些信息，南加州大学（University of Southern California）和华盛顿大学（University of Washington）的研究人员提出了深度结合特异性预测器（DeepPBS），这是一种几何深度学习模型，旨在根据蛋白质-DNA 结
效果超AlphaFold系列，量子计算方法用于蛋白质结构预测
编辑 | 白菜叶虽然 AlphaFold 等深度学习方法在计算机蛋白质结构预测领域取得了不错的成绩，但该领域的研究仍然是生物医学研究中一个具有挑战性的问题。随着量子计算的快速发展，人们自然会问：量子计算机是否能为解决这一问题提供一些帮助。然而，确定适合量子优势的特定问题实例，以及评估所需的量子资源同样具有挑战性。在这里，克利夫兰诊所（Cleveland Clinic）和 IBM Quantum 的研究人员分享了他们的观点，即如何创建一个框架来系统地选择适合量子优势的蛋白质结构预测问题，并在实用级量子计算机上估计此类
Nature回应：为什么在没有代码的情况下发布AlphaFold3？
编辑 | 枯叶蝶近期，AlphaFold3 在《Nature》杂志发布，但是它没有开源，因此引来了学界的一些争议。《Nature》官方对此做出了回应，以下为回应内容。蛋白质结构预测算法 AlphaFold 的最新迭代自发布以来，引起了人们的极大兴趣。2024 年 5 月上旬，《Nature》杂志上发表了一篇论文，介绍了 AlphaFold3。与其前身 AlphaFold2 不同，AlphaFold3 不仅可以预测蛋白质复合物的结构，还可以预测蛋白质何时与其他类型的分子（包括 DNA 和 RNA）相互作用。人工智能工
AI 预测所有生命分子，谷歌 AlphaFold 3 模型登 Nature：欲颠覆生物学
谷歌 DeepMind 公司近日推出了 AlphaFold 3，通过预测所有生命分子是如何相互作用的，加速寻找新药和探索新的治疗方法，治疗癌症、帕金森氏症、疟疾、肺结核等疾病。IT之家从报道中获悉，AlphaFold 3 能够预测人体每个细胞分子的复杂形状，以及如何相互连接，以及其中最小的变化如何影响可能导致疾病的生物功能。科学家和医学专家希望借助 AlphaFold 3，深入研究抗体和药物的相互作用，寻找更好的治疗方法。DeepMind 创始人兼首席执行官 Demis Hassabis 表示，该项目为研究人员提供
更高准确性，覆盖蛋白、核酸、复合物等更多分子，DeepMind发布AlphaFold新版本
编辑 | ScienceAI自 2020 年发布以来，AlphaFold 彻底改变了人们对蛋白质及其相互作用的理解方式。Google DeepMind 和 Isomorphic Labs 一直在共同努力，为更强大的 AI 模型奠定基础，将覆盖范围从蛋白质扩展到全方位的生物相关分子。2023 年 10 月 31 日，该研究团队分享了下一代 AlphaFold 的最新进展。其最新的模型现在可以对蛋白质数据库 (PDB) 中的几乎所有分子进行预测，通常达到原子精度。新版模型 AlphaFold-latest （暂称）极大
- 1