حقق AlphaFold3 (AF3)، الذي طوره فريق DeepMind حديثًا، تقدمًا كبيرًا في مجال التنبؤ ببنية البروتين، ولا يمكنه التنبؤ ببنية بروتين واحد فحسب، بل يمكنه أيضًا التنبؤ ببنية مجمعات البروتين أو الأحماض النووية أو الجزيئات الصغيرة. . سيمنحك محررو Downcodes فهمًا متعمقًا لطريقة العمل الداخلية لـ AF3 وكيفية تحقيق هذه المهمة المعقدة من خلال بنية ذكية. يشبه AF3 "الخباز" الماهر الذي "يخبز" البنية ثلاثية الأبعاد للبروتين بدقة وفقًا "للوصفة" المقدمة (تسلسل البروتين). تشبه العملية رسم لوحة رائعة، مع طبقات متراكبة ومقدمة في النهاية الهيكل الكامل.
يعد AlphaFold3، والمشار إليه باسم AF3، أحدث تحفة لفريق DeepMind في مجال التنبؤ ببنية البروتين. إنه قادر على التنبؤ ببنية ليس فقط تسلسلات البروتين الفردية ولكن أيضًا مجمعات البروتين أو الأحماض النووية أو الجزيئات الصغيرة. يبدو الأمر كما لو أنك أعطيت AF3 "وصفة" للبروتين، فيمكنه "خبز" البنية ثلاثية الأبعاد للبروتين.
إن بنية AF3 معقدة ودقيقة، ولكن لا تخف، فالصورة يمكن أن تساعدك في حلها. يمكن تقسيم النموذج بأكمله إلى ثلاثة أجزاء:
إعداد المدخلات: تحويل تسلسلات البروتين إلى موترات رقمية واسترجاع الجزيئات ذات الهياكل المماثلة.
تعلم التمثيل: استخدام آليات الاهتمام المتعددة لتحديث هذه التمثيلات.
التنبؤ بالبنية: التنبؤ بهياكل البروتين باستخدام نماذج الانتشار الشرطي.
تشبه كل خطوة رسم لوحة دقيقة. يعرض AF3 أخيرًا البنية ثلاثية الأبعاد للبروتين من خلال طبقة تلو الأخرى.
في عالم AF3، كل جزيء له "لغته" الخاصة. سواء كانت بروتينات أو DNA أو RNA أو جزيئات صغيرة، يمكن لـ AF3 تحويلها إلى سلسلة من الموترات الرقمية. إنه يشبه إعطاء كل جزيء "معرفًا" فريدًا يسمح لـ AF3 بالتعرف عليه ومعالجته.
يشبه جزء التعلم التمثيلي في AF3 رقصة مصممة بعناية. من خلال آلية الانتباه، يمكن لـ AF3 السماح لـ "بصر" النموذج بالتجول بين أجزاء مختلفة من الجزيء والتقاط العلاقة بينها. وهذا لا يشمل التفاعلات داخل الجزيئات فحسب، بل يشمل أيضًا التفاعلات بين الجزيئات.
في جزء التنبؤ بالبنية من AF3، يلعب نموذج الانتشار الشرطي دورًا رئيسيًا. يبدأ بسلسلة من الضوضاء العشوائية ثم "يزيل الضوضاء" تدريجيًا، وفي النهاية يستعيد البنية الحقيقية للبروتين. تشبه هذه العملية الكشف التدريجي عن الحقيقة المخفية من الضباب.
يتضمن تدريب AF3 مجموعة متنوعة من وظائف الخسارة ورؤوس الثقة، والتي تعمل معًا للسماح لـ AF3 بالتنبؤ بالهياكل بشكل أكثر دقة وتقييم مدى موثوقية تنبؤاتها. إنه مثل وضع مرآة على AF3، مما يسمح له بالانعكاس وتحسين نفسه.
المرجع: https://elanapearl.github.io/blog/2024/the-illustrated-alphafold/
بشكل عام، أحدث AlphaFold3 تغييرات ثورية في مجال التنبؤ ببنية البروتين من خلال بنيته الرائعة وقدراته التعليمية القوية. لديها آفاق تطبيق واسعة ومن المتوقع أن تلعب دورا كبيرا في الطب الحيوي وعلوم المواد وغيرها من المجالات. آمل أن يساعدك الشرح الذي قدمه محرر Downcodes في فهم هذه التكنولوجيا المذهلة بشكل أفضل.