DeepMind представили обновлённую модель AlphaFold, которая более эффективна для открытия новых лекарств

Преемник AlphaFold 2 может генерировать прогнозы почти для всех молекул в Protein Data Bank, крупнейшем в мире базе данных биологических молекул с открытым доступом.

Возможности нового AlphaFold выходят за рамки прогнозирования белка.

Разработчики утверждают, что модель также может точно предсказывать структуры лигандов - молекул, которые связываются с "рецепторными" белками и вызывают изменения в том, как клетки взаимодействуют, - а также нуклеиновые кислоты (молекулы, содержащие ключевую генетическую информацию) и посттрансляционных модификаций (химические изменения, которые происходят после создания белка).

Прогнозирование структур белков-лигандов может быть полезным инструментом в открытии лекарств, так как может помочь ученым определить и спроектировать новые молекулы, которые могут стать лекарствами.

Однако новейший AlphaFold не идеален.
В техническом документе, подробно описывающей сильные и слабые стороны системы, исследователи из DeepMind и Isomorphic Labs показывают, что система не соответствует лучшему в своем классе методу прогнозирования структур молекул РНК - молекул в организме, которые несут инструкции по изготовлению белков.