Narzędzie do przewidywania białek AI AlphaFold3 jest teraz dostępne jako oprogramowanie typu open source

Narzędzie do przewidywania białek AI AlphaFold3 jest teraz dostępne jako oprogramowanie typu open source

AlphaFold3 jest wreszcie dostępny. Sześć miesięcy po Google DeepMind kontrowersyjny kodeks jeden Artykuły na temat modelu przewidywania struktury białek naukowcy mogą teraz pobierz kod oprogramowania i wykorzystywać narzędzie sztucznej inteligencji do zastosowań niekomercyjnych, ogłosiła 11 listopada londyńska firma.

„Jesteśmy bardzo podekscytowani możliwością zobaczenia, co ludzie z tym zrobią” – mówi John Jumper, który kieruje zespołem AlphaFold w DeepMind i dołączył do dyrektora generalnego Demisa Hassabisa w zeszłym miesiącu zdobył część Nagrody Nobla w dziedzinie chemii za rok 2024 za pracę nad narzędziem AI.

W przeciwieństwie do swoich poprzedników, AlphaFold3 w stanie modelować białka w połączeniu z innymi cząsteczkami. Zamiast publikować podstawowy kod - jak ma to miejsce w przypadku AlphaFold2 tak się stało – DeepMind zapewnił dostęp za pośrednictwem serwera internetowego, co ograniczyło liczbę i rodzaj przewidywań, jakie mogli dokonać naukowcy.

Co najważniejsze, serwer AlphaFold3 nie pozwolił naukowcom przewidzieć, jak białka zareagują w obecności potencjalnych leków. Jednak teraz decyzja DeepMind o udostępnieniu kodu oznacza, że ​​naukowcy akademiccy mogą przewidzieć takie interakcje, samodzielnie uruchamiając model.

Firma początkowo stwierdziła, że ​​udostępnianie AlphaFold3 wyłącznie za pośrednictwem serwera internetowego zapewnia właściwą równowagę pomiędzy zapewnieniem dostępu do badań a ochroną ambicji komercyjnych. Isomorphic Labs, oddział DeepMind w Londynie, wykorzystuje AlphaFold3 do odkrywania leków.

Jednakże wycofał wydanie AlphaFold3 bez kodu i ciężarów modeli — Parametry uzyskane w wyniku uczenia oprogramowania struktur białkowych i innych danych — spowodowały krytykę ze strony naukowców, którzy stwierdzili, że to posunięcie osłabia odtwarzalność. DeepMind szybko wyciągnął wnioski i stwierdził, że wersja open source narzędzia zostanie udostępniona w ciągu sześciu miesięcy.

Każdy może teraz pobrać kod oprogramowania AlphaFold3 i używać go w celach niekomercyjnych. Jednak obecnie tylko naukowcy posiadający powiązania akademickie mają dostęp do ciężarów treningowych na żądanie.

Dostępne wersje

DeepMind ma konkurencję: w ostatnich miesiącach pojawiło się kilka firm Zaprezentowano narzędzia open source do przewidywania struktury białek w oparciu o AlphaFold3, które opierają się na specyfikacjach opisanych w oryginalnej pracy, znanych jako pseudokod.

Dwie chińskie firmy — gigant technologiczny Baidu i twórca TikTok ByteDance — wypuściły własne modele inspirowane AlphaFold3, podobnie jak start-up z San Francisco w Kalifornii o nazwie Chai Discovery.

Kluczową wadą tych modeli jest to, że żaden z nich, podobnie jak AlphaFold3, nie ma licencji do zastosowań komercyjnych, takich jak odkrywanie leków, mówi Mohammed AlQuraishi, biolog obliczeniowy na Uniwersytecie Columbia w Nowym Jorku. Jednak model Chai Discovery, Chai-1, można wykorzystać do takiej pracy za pośrednictwem serwera WWW, wyjaśnia Jack Dent, współzałożyciel firmy.

Inna firma, Ligo Biosciences z San Francisco, wydała pozbawioną ograniczeń wersję AlphaFold3. Nie ma to jednak jeszcze pełnego zakresu funkcji, w tym możliwości modelowania leków i cząsteczek innych niż białka.

Inne zespoły pracują nad wersjami AlphaFold3, które będą dostępne bez takich ograniczeń: AlQuraishi ma nadzieję zaoferować jeszcze w tym roku model w pełni open source o nazwie OpenFold3. Umożliwiłoby to firmom farmaceutycznym przekwalifikowanie własnych wersji modelu przy użyciu zastrzeżonych danych, takich jak struktury białek związanych z różnymi lekami, co mogłoby potencjalnie poprawić wydajność.

Liczy się otwartość

W ubiegłym roku nastąpił gwałtowny wzrost liczby nowych biologicznych modeli sztucznej inteligencji opracowanych przez firmy o różnym podejściu do otwartości. Anthony Grid, biolog obliczeniowy na Uniwersytecie Wisconsin-Madison, nie ma problemu z wejściem firm komercyjnych na jego dziedzinę, pod warunkiem, że przestrzegają tych samych zasad, co inni naukowcy, dzieląc się swoją pracą w czasopismach i na serwerach preprintów.

Jeśli DeepMind w publikacji naukowej przedstawi twierdzenia na temat AlphaFold3, „spodziewałbym się, że udostępnią również informacje o tym, w jaki sposób dokonano przewidywań, oraz udostępnią modele sztucznej inteligencji i kod w sposób, abyśmy mogli je przetestować” – dodaje grid. „Moja grupa nie będzie korzystać z narzędzi, których nie możemy zweryfikować”.

Fakt, że pojawiło się już kilka replik AlphaFold3, pokazuje, że model był odtwarzalny nawet bez otwartego kodu źródłowego, mówi Pushmeet Kohli, szef AI for Science w DeepMind. Dodaje, że wolałby w przyszłości więcej dyskusji na temat standardów publikowania w dziedzinie, w której coraz częściej biorą udział badacze akademiccy i korporacyjni.

Otwarty charakter oprogramowania AlphaFold2 doprowadził do fali innowacji ze strony innych naukowców. Na przykład zwycięzcy niedawnego konkursu na modelowanie białek wykorzystali narzędzie AI zaprojektować nowe białka, które mogą wiązać się z celem nowotworowym. Ulubiony hack Jumpera do AlphaFold2 został opracowany przez zespół, który użył tego narzędzia w celu zidentyfikowania ważnego białka, które pomaga plemnikom przyłączać się do komórek jajowych.

Jumper nie może się doczekać, jakie niespodzianki pojawią się po wydaniu AlphaFold3 – nawet jeśli nie zawsze będą one udane. „Ludzie będą go używać w dziwny sposób” – przewiduje. „Czasami coś się nie powiedzie, a czasami odniesie sukces.”