跳转到主要内容
ToolPotion
AI 顾问
提交(免费)

AlphaFold

AlphaFold 是一个人工智能系统,解决了困扰生物学界 50 年的蛋白质折叠这一重大挑战。它能根据氨基酸序列准确预测蛋白质的三维结构,从而加速生物学和医学领域的科学发现。

查看模型
分享
查看模型
分享

AlphaFold 代表了计算生物学领域的重大突破,为长期存在的蛋白质折叠问题提供了解决方案。蛋白质是生命必需的分子,其功能依赖于其独特的三维结构。在实验中确定这些结构历来是一个耗时且昂贵的过程,通常需要多年的工作和专业设备。

阅读更多

蛋白质折叠问题旨在根据氨基酸序列预测蛋白质的三维形状,这一问题已经困扰了科学家半个世纪。AlphaFold,由 Google DeepMind 开发的人工智能系统,已被蛋白质结构预测关键评估(CASP)认定为该挑战的解决方案。这一成就凸显了人工智能在科学研究中的变革潜力。

AlphaFold 的准确性非同寻常,在 CASP14 评估中,其对所有目标的中位数全局距离测试(GDT)得分为 92.4,平均误差约为 1.6 埃。即使对于最困难的蛋白质目标,其也达到了 87.0 的中位数 GDT 分数。这种准确性水平可与实验方法相媲美,使得计算结构预测成为生物学家可行核心工具。

该系统采用了新颖的深度学习架构,特别是基于注意力机制的神经网络。它通过推理进化相关的序列、多序列比对和残基对表示,来迭代地优化蛋白质底层物理结构的预测。AlphaFold 还可以使用内部置信度度量来预测其自身预测的可靠性。

AlphaFold 的影响深远,涉及药物设计、理解疾病机制和环境可持续性等领域。它已经帮助研究人员解决了以前难以解决的复杂蛋白质结构问题,有可能加速新疗法和治疗方法的开发。此外,AlphaFold 预测 SARS-CoV-2 等病毒结构的能力,为未来的疫情应对工作展现了希望。

虽然 AlphaFold 代表了向前迈出的巨大一步,但研究仍在继续探索其全部潜力。未来的工作旨在理解多蛋白质复合物、与 DNA 和 RNA 的相互作用以及氨基酸侧链的确切位置。AlphaFold 的开发和可及性,凸显了人工智能在基础科学发现中日益增长的作用,推动着知识的前沿。

  • 类别科学发现与实验室工具
  • 部署云端
  • 平台网页版

  • 根据氨基酸序列预测蛋白质三维结构

  • 达到与实验方法相当的高准确度

  • 采用基于注意力机制的神经网络架构

  • 整合进化序列信息(MSA)

  • 提供预测的内部置信度度量

  • 加速生物学和医学领域的科学发现

  • 有助于理解蛋白质功能和相互作用

  • 支持药物设计和疾病机制研究

  • 为疫情应对工作做出贡献

  • 解决了困扰 50 年的蛋白质折叠重大挑战

  1. 学习:理解蛋白质折叠问题及其重要性。

  2. 识别:认识到 AlphaFold 是一个由人工智能驱动的解决方案。

  3. 分析:研究其方法论和准确性指标(例如,GDT 分数)。

  4. 提取:注意其对科学研究的影响和潜在应用。

  5. 应用:考虑 AlphaFold 的预测如何为生物学研究和开发提供信息。

  • 蛋白质结构预测
  • 药物发现
  • 疾病研究
  • 生物技术
  • 基因组学研究
  • 大流行病防备

Google DeepMind 旗下产品

AlphaFold 蛋白质结构数据库 的一项功能。

AlphaFold 评价

加载中...

与 AlphaFold 类似的热门AI工具

AlphaFold 3 是由 Google DeepMind 开发的 AI 模型,能够预测蛋白质结构和相互作用,显著加速生物研究和分子相互作用的理解。

AI 模型与大语言模型医疗健康与生命科学
查看工具

由 Google DeepMind 开发的 AI 模型,能够预测蛋白质结构和相互作用,显著加速生物研究和分子相互作用的理解。AlphaFold 3 是由 Google DeepMind 开发的 AI 模型,能够预测蛋白质结构和相互作用,显著加速生物研究和分子相互作用的理解。

精选AI 模型与大语言模型医疗健康与生命科学
查看 AI 模型 Top 5

AlphaFold 是由 Google DeepMind 开发的 AI 系统,旨在根据氨基酸序列预测蛋白质的三维结构。它提供超过 2 亿条条目,帮助科学研究,向社区免费提供高精度的预测。

科学发现与实验室工具医疗健康与生命科学

搜索学术文献 排名第 6 位

查看工具

由 Google DeepMind 开发的 AI 系统,旨在根据氨基酸序列预测蛋白质的三维结构。它提供超过 2 亿条条目,帮助科学研究,向社区免费提供高精度的预测。AlphaFold 是由 Google DeepMind 开发的 AI 系统,旨在根据氨基酸序列预测蛋白质的三维结构。它提供超过 2 亿条条目,帮助科学研究,向社区免费提供高精度的预测。

科学发现与实验室工具医疗健康与生命科学
搜索学术文献 排名第 6 位

ESMFold2 从氨基酸序列预测高分辨率、全原子 3D 蛋白质结构。它提供对单序列和 MSA 条件模型的开放访问,提高了对挑战性目标的准确性。

科学发现与实验室工具医疗健康与生命科学
查看工具

ESMFold2 从氨基酸序列预测高分辨率、全原子 3D 蛋白质结构。它提供对单序列和 MSA 条件模型的开放访问,提高了对挑战性目标的准确性。

精选科学发现与实验室工具医疗健康与生命科学
查看 AI 模型 Top 5

OmegaFold

AI GitHub 仓库

OmegaFold是一款高分辨率的从头蛋白质结构预测工具,可以直接从一级氨基酸序列生成三维蛋白质结构。它显著降低了推理长蛋白质的GRAM需求,并支持macOS上的Apple Silicon加速。

科学发现与实验室工具医疗健康与生命科学
查看工具

AI GitHub 仓库

高分辨率的从头蛋白质结构预测工具,可以直接从一级氨基酸序列生成三维蛋白质结构。它显著降低了推理长蛋白质的GRAM需求,并支持macOS上的Apple Silicon加速。OmegaFold是一款高分辨率的从头蛋白质结构预测工具,可以直接从一级氨基酸序列生成三维蛋白质结构。它显著降低了推理长蛋白质的GRAM需求,并支持macOS上的Apple Silicon加速。

科学发现与实验室工具医疗健康与生命科学
查看 AI GitHub 仓库 Top 250

AlphaFold 服务器由 AlphaFold 3 提供支持,能够准确预测蛋白质与其他分子(包括 DNA 和 RNA)的相互作用结构。它是一个生成高度精确生物分子结构预测的网络服务平台。

科学发现与实验室工具医疗健康与生命科学

AI 应用 排名第 86 位

查看工具

AlphaFold 服务器由 AlphaFold 3 提供支持,能够准确预测蛋白质与其他分子(包括 DNA 和 RNA)的相互作用结构。它是一个生成高度精确生物分子结构预测的网络服务平台。

科学发现与实验室工具医疗健康与生命科学
AI 应用 排名第 86 位

ProGen3 是一套用于蛋白质生成的 AI 模型,利用在大量蛋白质序列上训练的亿参数语言模型。它能够创造新型蛋白质并重新设计现有蛋白质以提高功能性。

科学发现与实验室工具医疗健康与生命科学
查看工具

用于蛋白质生成的 AI 模型,利用在大量蛋白质序列上训练的亿参数语言模型。它能够创造新型蛋白质并重新设计现有蛋白质以提高功能性。ProGen3 是一套用于蛋白质生成的 AI 模型,利用在大量蛋白质序列上训练的亿参数语言模型。它能够创造新型蛋白质并重新设计现有蛋白质以提高功能性。

科学发现与实验室工具医疗健康与生命科学
查看 AI 模型 Top 5

EquiBind

AI GitHub 仓库

EquiBind 是一个几何深度学习模型,用于预测小分子与蛋白质结合的三维结构。它能对受体结合位置和配体构象进行快速的一次性直接预测,大幅加快传统方法的速度。非常适合药物发现和结构生物学研究。

科学发现与实验室工具医疗健康与生命科学
查看工具

AI GitHub 仓库

几何深度学习模型,用于预测小分子与蛋白质结合的三维结构。它能对受体结合位置和配体构象进行快速的一次性直接预测,大幅加快传统方法的速度。非常适合药物发现和结构生物学研究。EquiBind 是一个几何深度学习模型,用于预测小分子与蛋白质结合的三维结构。它能对受体结合位置和配体构象进行快速的一次性直接预测,大幅加快传统方法的速度。非常适合药物发现和结构生物学研究。

科学发现与实验室工具医疗健康与生命科学
查看 AI GitHub 仓库 Top 250

ESM Metagenomic Atlas 是 Meta AI 提供的一项开放资源,可访问来自宏基因组数据的超过 7.72 亿个预测蛋白质结构。它使研究人员能够探索、搜索和分析蛋白质折叠和序列,从而增进对微生物多样性和蛋白质功能的理解。

科学发现与实验室工具医疗健康与生命科学

搜索学术文献 排名第 128 位

查看工具

Meta AI 提供的一项开放资源,可访问来自宏基因组数据的超过 7.72 亿个预测蛋白质结构。它使研究人员能够探索、搜索和分析蛋白质折叠和序列,从而增进对微生物多样性和蛋白质功能的理解。ESM Metagenomic Atlas 是 Meta AI 提供的一项开放资源,可访问来自宏基因组数据的超过 7.72 亿个预测蛋白质结构。它使研究人员能够探索、搜索和分析蛋白质折叠和序列,从而增进对微生物多样性和蛋白质功能的理解。

科学发现与实验室工具医疗健康与生命科学
搜索学术文献 排名第 128 位
1/8