Kas tas ir
AlphaFold 2 (DeepMind, Nature, 2021) prognozēja vienas ķēdes olbaltumvielu struktūras noderīgā precizitātē; AlphaFold Database nodeva simtiem miljonu prognožu publiskās rokās. AlphaFold 3 (2024) pievienoja vairāk kompleksu un biomolekulu. ESMFold (Meta) un RoseTTAFold / RFdiffusion (Baker lab) sēž tajā pašā rīkkopā. Tā ir ieviesta zinātnes programmatūra, ne tērzēšanas robots.
Kādu problēmu risina
Fermenti, kas ēd plastmasu, tīrāk fiksē slāpekli vai uztver oglekli, ir olbaltumvielu projektēšanas problēmas. Locījuma zināšana nav tas pats, kas stabils, lēts, netoksisks rūpnieciskais ferments — bet tā noņem gadiem garu sašaurinājumu.
Kā tas darbojas
Modelis mācījās no Protein Data Bank un evolūcijas pāriem. Laboratorijas joprojām ekspresē, attīra un testē. RFdiffusion un radniecīgi rīki ģenerē jaunas pamatķēdes; mitrās laboratorijas neveiksme paliek parasta.
Statuss un dalībnieki
Google DeepMind un EMBL-EBI (AF Database); Meta ESM; University of Washington Institute for Protein Design (Baker); rūpnieciskā biotehnoloģija, kas rīkus lieto fermentiem un zālēm.
Riski un robežas
Bioloģiskā drošība (tie paši rīki var skicēt kaitīgas olbaltumvielas — laboratorijas un žurnāli tagad apspriež sijāšanu). Pārapgalvojums, ka prognozēta PETase ir reciklēšanas rūpnīca. Fermentiera enerģija un ūdens joprojām skaitās.
Avoti
Jumper et al., Nature, 2021 (AlphaFold 2); AlphaFold Database (EMBL-EBI); Abramson et al., Nature, 2024 (AlphaFold 3); Lin et al., Science, 2023 (ESMFold); Watson et al., Nature, 2023 (RFdiffusion).