پیشنهاد جست‌وجو
Enter همه نتایج · Esc بستن
AlphaFold سامانه‌ای برای پیش‌بینی ساختار پروتئین‌ها و برخی مولکول‌های زیستی است که پژوهش را سریع‌تر می‌کند.
AlphaFold سامانه‌ای هوش مصنوعی برای پیش‌بینی ساختار سه‌بعدی پروتئین‌ها از روی توالی اسیدهای آمینه است. این پروژه را DeepMind، شرکت هوش مصنوعی که اکنون بخشی از Google DeepMind است، توسعه داد. نخستین نسخه AlphaFold در دسامبر ۲۰۱۸ و در رقابت CASP13 توجه پژوهشگران را جلب کرد. این ابزار برای پاسخ به یکی از مسائل دشوار زیست‌شناسی ساخته شد: فهمیدن این‌که توالی پروتئین چگونه به ساختار فضایی آن تبدیل می‌شود.
نسخه AlphaFold 2 در سال ۲۰۲۰ در رقابت CASP14 عملکرد برجسته‌ای داشت و مقاله علمی آن در سال ۲۰۲۱ منتشر شد. پایگاه AlphaFold Protein Structure Database که با همکاری EMBL-EBI ساخته شده، پیش‌بینی‌های ساختاری بسیاری از پروتئین‌ها را در دسترس گذاشت. در مه ۲۰۲۴، Google DeepMind و Isomorphic Labs از AlphaFold 3 رونمایی کردند. این نسخه علاوه بر پروتئین‌ها، می‌تواند ساختار و برهم‌کنش آن‌ها با مولکول‌هایی مانند DNA، RNA و مولکول‌های کوچک را پیش‌بینی کند. AlphaFold 3 از طریق سامانه وب AlphaFold Server نیز در دسترس قرار گرفت.
کار اصلی AlphaFold تولید پیش‌بینی ساختاری است، نه گفت‌وگو یا پاسخ‌گویی عمومی. پژوهشگران می‌توانند توالی پروتئین را وارد کنند یا ساختارهای موجود را در پایگاه جست‌وجو کنند و سپس مدل را برای بررسی پرسش‌هایی درباره شکل پروتئین، جایگاه‌های احتمالی اتصال یا برهم‌کنش‌های مولکولی به کار ببرند. خروجی آن سرنخی برای طراحی آزمایش است، نه جایگزین اندازه‌گیری تجربی؛ میزان اطمینان به هر بخش از پیش‌بینی نیز باید بررسی شود.
AlphaFold از ابزارهای مهم زیست‌شناسی محاسباتی است، اما همه مسئله‌های مربوط به ساختار و رفتار مولکول‌ها را حل نمی‌کند. در خبری از اکتبر ۲۰۲۶، گزارش شد Isomorphic Labs برای جذب سرمایه با ارزش‌گذاری احتمالی ۴۰ تا ۵۰ میلیارد دلار در مراحل اولیه مذاکره است؛ این خبر درباره شرکتی فعال در کشف دارو با هوش مصنوعی است و به معنی ارزش‌گذاری AlphaFold نیست.
نقشه قابلیت‌ها: ۱ مورد از ۱۶ قابلیت رایج هوش مصنوعی
پایگاه AlphaFold امکان جست‌وجو و مشاهدهٔ پیش‌بینی‌های ساختاری پروتئین‌ها را فراهم می‌کند.
ساختار پروتئین‌ها و برهم‌کنش آن‌ها با مولکول‌هایی مانند DNA، RNA و مولکول‌های کوچک را پیش‌بینی می‌کند. از طریق AlphaFold Server نیز می‌توان از آن استفاده کرد.
پیش‌بینی ساختار سه‌بعدی پروتئین‌ها را به‌طور چشمگیری بهبود داد و پایهٔ بسیاری از ساختارهای موجود در پایگاه AlphaFold شد.
نسخهٔ اولیهٔ سامانه بود که در رقابت CASP13 توانایی یادگیری برای پیش‌بینی ساختار پروتئین را نشان داد.
پژوهشگر می‌تواند توالی یک پروتئین را بررسی کند و از پیش‌بینی ساختاری به‌عنوان نقطهٔ شروع مطالعه استفاده کند.
مدرسان و دانشجویان می‌توانند ساختار سه‌بعدی پروتئین‌های شناخته‌شده را در پایگاه مشاهده و با کارکرد آن‌ها مقایسه کنند.
AlphaFold 3 می‌تواند برای ساخت پیش‌بینی‌هایی از برهم‌کنش پروتئین با مولکول‌هایی مانند DNA یا مولکول‌های کوچک به کار رود.
گروه پژوهشی می‌تواند از پیش‌بینی‌ها برای انتخاب فرضیه‌ها یا نمونه‌هایی که ارزش بررسی آزمایشگاهی دارند کمک بگیرد.
پژوهشگران دارویی می‌توانند از مدل‌های ساختاری برای شکل‌دادن به پرسش‌های اولیه دربارهٔ هدف‌های زیستی یا اتصال مولکول‌ها استفاده کنند؛ نتیجه باید با آزمایش تأیید شود.
AlphaFold مدل گفت‌وگویی نیست و فارسی را مانند یک دستیار زبانی درک یا تولید نمی‌کند. استفاده از آن بر توالی‌ها و داده‌های مولکولی استوار است.
در گفت‌وگویی با حضور پژوهشگرانی از Google DeepMind و Biohub، محدودیت‌های AlphaFold و نیازهای نسل بعدی مدل‌های هوش مصنوعی زیستی بررسی شد.
گزارش‌ها حاکی از آن است که Isomorphic Labs، شرکت زیرمجموعه Alphabet در حوزه کشف دارو با هوش مصنوعی، در مراحل اولیه مذاکره برای جذب سرمایه با…
سامانه‌ای دیگر برای پیش‌بینی ساختار پروتئین است که از رویکردهای متفاوت محاسباتی بهره می‌گیرد.
از مدل‌های زبانی پروتئین برای پیش‌بینی ساختار استفاده می‌کند و رویکرد آن با AlphaFold تفاوت دارد.
برای پیش‌بینی ساختار و برهم‌کنش زیست‌مولکولی توسعه یافته و در برخی کاربردها با AlphaFold 3 مقایسه می‌شود.
مدلی برای پیش‌بینی ساختار و برهم‌کنش مولکولی است که به‌عنوان گزینه‌ای متن‌باز مطرح شده است.
AlphaFold سامانه‌ای هوش مصنوعی از Google DeepMind برای پیش‌بینی ساختار سه‌بعدی پروتئین‌ها و، در نسخهٔ AlphaFold 3، برخی برهم‌کنش‌های مولکولی است.
پایگاه AlphaFold برای مشاهدهٔ ساختارها رایگان است. دسترسی و شرایط استفاده از ابزارهای پیش‌بینی به نسخه و نوع کاربرد بستگی دارد.
خیر؛ AlphaFold دستیار متنی نیست و برای فهم پرسش‌های فارسی طراحی نشده است. ورودی آن داده‌هایی مانند توالی پروتئین است.
AlphaFold 2 بر پیش‌بینی ساختار پروتئین تمرکز دارد؛ AlphaFold 3 می‌تواند برهم‌کنش پروتئین با مولکول‌هایی مانند DNA، RNA و مولکول‌های کوچک را نیز پیش‌بینی کند.
خیر. خروجی آن پیش‌بینی محاسباتی است و دقتش به مورد و بخش‌های مختلف مولکول وابسته است؛ برای تأیید نتیجه به شواهد و آزمایش‌های تجربی نیاز است.
این معرفی را تحریریه هوش مصنوعی هوش مصنوعی نویا با کمک ۱ خبر منتشرشده تهیه کرده و با انتشار خبرهای تازه به‌روز می‌شود. آخرین بازبینی: ۱۷ مهر ۱۴۰۵
