AlphaFold
AlphaFold è un programma di intelligenza artificiale sviluppato da DeepMind (Alphabet/Google) per predire la struttura tridimensionale delle proteine.[1] Il programma è stato progettato come un sistema di deep learning.[2]
Il software di AlphaFold è stato rilasciato in più versioni. La prima nel 2018 AlphaFold 1 con la quale un'equipe di ricercatori si è posizionata al primo posto del 13° Critical Assessment of Techniques for Protein Structure Prediction (Valutazione critica di tecniche per la predizione della struttura delle proteine).
Con la versione AlphaFold 2 del 2020 si posiziona nuovamente al 1º posto nella 14ª edizione del torneo CASP.[3]. L'equipe ha raggiunto un livello di accuratezza distaccando nettamente tutti gli altri[2][4] Ha raggiunto un punteggio superiore a 90 per circa i 2/3 delle proteine del Global distance test di CASP, un test che misura il grado di un programma computazionale di predire una struttura proteica- comparata ad una struttura determinata in un esperimento di laboratorio, con valore 100 come riscontro perfetto[2][5][6].
Il 22 luglio 2021 viene pubblicata la base dati AlphaFold Protein Structure Database con uno sforzo congiunto tra AlphaFold e EMBL-EBI (Istituto europeo di bioinformatica) che contiene quasi tutte le strutture proteiche predette (circa 365.000) del proteoma umano UniProt e di 20 organismi modello.
Il 28 luglio 2022 vengono pubblicate le strutture tridimensionali di oltre 200 milioni di proteine.[7][8] Le proteine provengono da oltre 1 milioni di individui tra esseri umani, animali, piante, batteri e altri organismi. L'archivio è open source e liberamente consultabile su GitHub.[9]
Sempre nel 2022, il software rivale Meta AI ha predetto la struttura di 600 milioni di proteine.[10]
L'8 maggio 2024 viene prodotta AlphaFold 3 che è in grado di predire oltre alla struttura delle proteine, del DNA e dell'RNA, anche dei ligandi e le loro interazioni grazie ad una architettura di deep learning denominata Pairformer, versione evoluta dal precedente EvoFormer[11]
Note
[modifica | modifica wikitesto]- ^ AlphaFold, su Deepmind. URL consultato il 30 novembre 2020.
- ^ a b c (EN) DeepMind's protein-folding AI has solved a 50-year-old grand challenge of biology, su MIT Technology Review. URL consultato il 30 novembre 2020.
- ^ (EN) Sam Shead, DeepMind solves 50-year-old 'grand challenge' with protein folding A.I., su CNBC, 30 novembre 2020. URL consultato il 30 novembre 2020.
- ^ Charlotte Stoddart, Structural biology: How proteins got their close-up, in Knowable Magazine, 1º marzo 2022, DOI:10.1146/knowable-022822-1. URL consultato il 25 marzo 2022.
- ^ Robert F. Service, ‘The game has changed.’ AI triumphs at solving protein structures, Science, 30 November 2020
- ^ AlphaFold 2 di Google risolve uno dei più grandi problemi della biologia, il ripiegamento delle proteine, in hwupgrade.it, 7 dicembre 2020. URL consultato il 1º agosto 2022.
- ^ L’IA mette a nudo quasi tutte le proteine note, oltre 200 milioni, in ansa.it, 29 luglio 2022. URL consultato il 1º agosto 2022.
- ^ L'Intelligenza Artificiale di DeepMind ha ricostruito la struttura 3D di tutte le proteine conosciute, in ansa.it, 28 luglio 2022. URL consultato il 1º agosto 2022.
- ^ AlphaFold, come l’intelligenza artificiale rivoluziona la biologia, su agendadigitale.eu.
- ^ Il nuovo rivale di AlphaFold? Meta AI ha previsto la forma di 600 milioni di proteine, su lescienze.it, 4 novembre 2022.
- ^ AlphaFold 3, il nuovo modello IA di DeepMind prevede la struttura e le interazioni di tutte le molecole della vita, in hwupgrade.it, 10 maggio 2024. URL consultato il 10 maggio 2024.
Altri progetti
[modifica | modifica wikitesto]
Wikimedia Commons contiene immagini o altri file su AlphaFold
Collegamenti esterni
[modifica | modifica wikitesto]- Sito ufficiale, su alphafold.com.
- Repository sorgenti di AlphaFold, su github.com.
- Open access to protein structure predictions for the human proteome and 20 other key organisms presso l'istituto European Bioinformatics Institute
- CASP 14
- AlphaFold: The making of a scientific breakthrough, DeepMind, via YouTube.
- ColabFold ((EN) Milot Mirdita, Konstantin Schütze, Yoshitaka Moriwaki, Lim Heo, Sergey Ovchinnikov e Martin Steinegger, ColabFold: Making protein folding accessible to all, in Nature Methods, vol. 19, n. 6, 30 maggio 2022, pp. 679–682, DOI:10.1038/s41592-022-01488-1, PMC 9184281, PMID 35637307.), version for homooligomeric prediction and complexes
- AlphaFold Protein Structure Database
