DeepMind チームによって新たに開発された AlphaFold3 (AF3) は、タンパク質構造予測の分野で画期的な進歩を遂げました。単一タンパク質の構造を予測するだけでなく、タンパク質複合体、核酸、または低分子の構造も予測できます。 。 Downcodes エディターを使用すると、AF3 の内部動作と、AF3 が賢いアーキテクチャを通じてこの複雑なタスクをどのように達成するかを深く理解できます。 AF3 は、与えられた「レシピ」（タンパク質の配列）に従って、タンパク質の立体構造を正確に「焼き上げる」熟練した「パン屋」のようなもので、そのプロセスは、レイヤーを重ねて最終的に表現する、細かい絵画を描くようなものです。完全な構造。
AlphaFold3 は AF3 と呼ばれ、タンパク質構造予測の分野における DeepMind チームの最新の傑作です。個々のタンパク質配列だけでなく、タンパク質複合体、核酸、または低分子の構造も予測できます。それは、AF3 にタンパク質の「レシピ」を与えると、タンパク質の三次元構造を「焼く」ことができるようなものです。
AF3 のアーキテクチャは複雑かつ微妙ですが、心配する必要はありません。写真がそれを理解するのに役立ちます。モデル全体は次の 3 つの部分に分割できます。
入力の準備: タンパク質配列を数値テンソルに変換し、類似した構造を持つ分子を検索します。
表現学習: 複数の注意メカニズムを利用してこれらの表現を更新します。
構造予測: 条件付き拡散モデルを使用してタンパク質の構造を予測します。
AF3 では、各ステップが繊細な絵画を描くように、レイヤーごとに最終的にタンパク質の立体構造を表示します。
AF3 の世界では、すべての分子が独自の「言語」を持っています。タンパク質、DNA、RNA、低分子のいずれであっても、AF3 はそれらを一連の数値テンソルに変換できます。これは、AF3 が分子を認識して処理できるようにするために、各分子に一意の「ID」を与えるようなものです。
AF3 の表現学習部分は、慎重に振り付けされたダンスのようなものです。 AF3 は、アテンション メカニズムを通じて、モデルの「視覚」を分子の異なる部分の間でさまよわせ、それらの間の関係を捉えることができます。これには分子内の相互作用だけでなく、分子間の相互作用も含まれます。
AF3 の構造予測部分では、条件付き拡散モデルが重要な役割を果たします。一連のランダムなノイズから始まり、徐々にノイズを「除去」し、最終的にはタンパク質の真の構造を復元します。このプロセスは、霧の中から隠された真実が徐々に明らかになるようなものです。
AF3 のトレーニングにはさまざまな損失関数と信頼度ヘッドが含まれており、これらが連携して AF3 が構造をより正確に予測し、その予測の信頼性を評価できるようになります。 AF3 に鏡を付けて、AF3 自体を反射して改善できるようにするようなものです。
参考: https://elanapearl.github.io/blog/2024/the-illustrated-alphafold/
全体として、AlphaFold3 は、その精巧なアーキテクチャと強力な学習機能により、タンパク質構造予測の分野に革命的な変化をもたらしました。幅広い応用の可能性があり、生物医学、材料科学、その他の分野で大きな役割を果たすことが期待されています。 Downcodes の編集者による解説が、この素晴らしいテクノロジーをより深く理解していただく一助になれば幸いです。