AlphaFold (tsz. AlphaFolds)
Az AlphaFold mélytanulásos megközelítést alkalmaz a fehérjehajtogatás előrejelzésére. A rendszer nagymennyiségű fehérjehajtogatási adatot és genetikai információt használ fel, hogy megtanulja a fehérjék szerkezeti mintáit.
Az AlphaFold képes pontosan előre jelezni a fehérjék háromdimenziós szerkezetét a szekvenciájuk alapján. Ez a képesség jelentősen javítja a fehérjehajtogatás korábbi modellezési módszereinek pontosságát, amelyek gyakran közelítő jellegűek voltak.
Az AlphaFold 2020-ban részt vett a Critical Assessment of protein Structure Prediction (CASP) versenyen, ahol kiemelkedő teljesítményt nyújtott. A verseny célja, hogy tesztelje és értékelje a fehérjehajtogatási előrejelzéseket végző rendszereket. Az AlphaFold teljesítménye felülmúlta a versenyzők többségét, és az iparági standardokhoz képest drámai előrelépést jelentett.
Az AlphaFold által nyújtott pontos fehérjeszerkezet-előrejelzés széleskörű alkalmazásokkal bír a biológiai kutatásokban, a gyógyszerfejlesztésben és a betegségek megértésében. Az AlphaFold segíthet az új gyógyszerek és terápiák kifejlesztésében, valamint a fehérjék funkcióinak és interakcióinak jobb megértésében.
A DeepMind elkötelezett a tudományos közösség támogatása mellett, ezért az AlphaFold adatbázisát nyíltan elérhetővé tették. A AlphaFold Protein Structure Database (AlphaFold Fehérjeszerkezeti Adatbázis) tartalmazza a legújabb előrejelzéseket, lehetővé téve a kutatók számára, hogy hozzáférjenek a fehérjeszerkezetekhez és felhasználják azokat saját kutatásaikban.
Az AlphaFold folyamatosan fejlődik, és a DeepMind továbbra is kutatásokat végez a fehérjehajtogatás terén. A célja, hogy még pontosabb előrejelzéseket nyújtson, és új megközelítéseket fejlesszen ki a fehérjék működésének és interakcióinak megértésére. Az AlphaFold áttörései új lehetőségeket nyithatnak meg a biológiai és gyógyszerészeti kutatások területén, és hozzájárulhatnak az orvosi fejlődéshez és az új terápiák kidolgozásához.