AlphaFold 更新显著提高了对接、核酸和 PTMS 的准确性

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。谷歌 DeepMind 和同构实验室一直在合作，为一个更强大的人工智能模型奠定基础，该模型将覆盖范围从蛋白质扩展到所有生物相关分子。

AlphaFold 的最新更新开启了对多个关键生物分子类别的新理解，并显著提高了准确性，包括配体（小分子）、蛋白质、核酸（DNA 和 RNA）以及蛋白质翻译后修饰（PTM）的生物分子。这些不同的结构类型和复合物对于理解细胞内的生物学机制至关重要，并且具有高精度预测的挑战性。

早期分析还表明，我们的模型在一些与药物发现相关的蛋白质结构预测问题上，如抗体结合，大大优于 AlphaFold2.3。此外，准确预测蛋白质配体结构是药物发现的一个非常有价值的工具，因为它可以帮助科学家识别和设计可能成为药物的新分子。

目前的行业标准是使用“对接方法”来确定配体和蛋白质之间的相互作用。这些对接方法需要刚性的参考蛋白结构和配体结合的建议位置。

AlphaFold 的最新模型为蛋白质-配体结构预测设定了一个新的标准，它优于已报道的最佳对接方法，不需要参考蛋白质结构或配体口袋的位置，从而可以预测以前没有结构特征的全新蛋白质。

它还可以联合建模所有原子的位置，使其能够代表蛋白质和核酸与其他分子相互作用时的全部固有灵活性——这是使用对接方法无法实现的。

通过解锁蛋白质和配体结构以及核酸和含有翻译后修饰的结构建模，我们的模型为检查基础生物学提供了一个更快速、更准确的工具。

AlphaFold 已经推动了世界各地的重大科学进步。现在，下一代 AlphaFold 有潜力帮助以数字速度推进科学探索。新的 AlphaFold 模型在性能上的巨大飞跃表明，人工智能有潜力极大地增强对构成人体的分子机器以及更广阔的自然世界的科学理解。

谷歌 DeepMind 和同构实验室的专职团队在这项关键工作上取得了长足的进步，我们期待着他们的持续进步。

WWW.LTHPC.COM

电话：400-100-3811