Cancer3.AI › AI w onkologii › Modele AI › AlphaFold 2
Model fundamentowy Otwarte wagi Nie dotyczy protein-structure

AlphaFold 2 2

Przewiduje strukturę 3D białka z sekwencji aminokwasowej z dokładnością bliską eksperymentalnej; baza AlphaFold Protein Structure Database (z EMBL-EBI) udostępnia przewidywane struktury ponad 200 milionów białek, w tym celów istotnych w onkologii.

GitHub Publikacja DOI Demo { } JSON

W skrócie

TwórcaGoogle DeepMind
Wersja2
Wydanie2021-07-15
LicencjaApache-2.0 (code) / CC-BY-4.0 (parameters)
DostępnośćOtwarte wagi
RodzajModel fundamentowy
Status regulacyjnyNie dotyczy
Parametry~93M

Co robi

Na wejściu sekwencja, na wyjściu współrzędne atomowe i pewność per reszta (pLDDT). W onkologii jest podstawą strukturalnej interpretacji mutacji sterujących, oceny „lekowalności” celów i projektowania leków na bazie struktury.

Ważne zastosowania w onkologii

Zwycięzca CASP14 (2020); ponad 30% publikacji cytujących AlphaFold dotyczy badań nad chorobami, w tym analiz zmutowanych białek nowotworowych; zasila prace projektowe Isomorphic Labs.

Zadania, typy danych i nowotwory

ZadanieStruktura białek
Typ danychSekwencja białka
Zastosowanie kliniczneBadania podstawoweOdkrywanie leków
NowotwórWiele nowotworów
Wejścieamino-acid sequence (+ multiple-sequence alignment, templates)
Wyjście3D coordinates, pLDDT, PAE

Architektura

RodzinaEvoformer + structure module (attention over MSA and pair representations)
Parametry~93M
Pretreningsupervised on PDB structures + self-distillation on predicted structures

Dane treningowe

Struktury wyznaczone eksperymentalnie z Protein Data Bank (do 2018) plus samodestylacja na przewidywanych strukturach sekwencji UniRef.

InstytucjeDeepMind; PDB, UniProt as data sources

Powiązane zbiory danych

Ewaluacja

Benchmark / zbiórMiaraWartośćWalidacja zewnętrznaŹródło
CASP14 GDT_TS median 92.4 across targets tak Źródło

Jak uruchomić

# fastest path: ColabFold (AlphaFold2 + MMseqs2)
pip install colabfold[alphafold]
colabfold_batch input.fasta out_dir/
# or query precomputed structures: https://alphafold.ebi.ac.uk/entry/<UniProt accession>
BibliotekaJAX (repo) / ColabFold
SprzętGPU; MSA search is the slow part — ColabFold with MMseqs2 is the practical route

Status regulacyjny i przeznaczenie

Status regulacyjnyNie dotyczy
PrzeznaczenieNarzędzie badawcze.

Źródło →

Status regulacyjny cytujemy ze wskazanego źródła i może się zmienić. Modele „tylko do badań” nie służą do decyzji klinicznych.

Ograniczenia i błędy systematyczne

  • Jedna statyczna konformacja; słaby dla regionów nieuporządkowanych i wielu skutków mutacji punktowych.
  • Brak ligandów i kompleksów z kwasami nukleinowymi w AlphaFold 2 (patrz AlphaFold 3).

Źródła

  1. Jumper J et al. Highly accurate protein structure prediction with AlphaFold. Nature 2021
  2. AlphaFold Protein Structure Database
  3. Google DeepMind — AlphaFold

Ta strona ma charakter edukacyjny — nie stanowi porady medycznej i nie zastępuje konsultacji z onkologiem. Decyzje diagnostyczne i terapeutyczne podejmuje wyłącznie lekarz specjalista.