Ett kombinerat team av medicinska forskare och AI-systemspecialister från Googles Deep Mind-projekt och Isomorphic Labs, båda i London, har gjort vad gruppen beskriver som avsevärda förbättringar av AlphaFold 2 som gör det möjligt för applikationen att förutsäga strukturen för en mängd olika av biomolekylära system mer brett och exakt. Den nya iterationen kallas AlphaFold 3.

I deras studie publicerad i tidskriften Nature , gruppen använde diffusionstekniker för att göra förbättringar av den underliggande arkitektoniska modellen för applikationen för att möjliggöra mer allmänna förutsägelser.

Den första versionen av det djupinlärningsbaserade AI-systemet AlphaFold släpptes för bara fyra år sedan och hyllades för sin förmåga att göra korrekta förutsägelser om strukturen hos proteiner med hjälp av sekvenser av aminosyror. Det har också hjälpt forskare att bättre förstå hur proteiner fungerar. AlphaFold 2 byggde på sådana funktioner och breddar de komplex som kan förutsägas.

I denna nya iteration har forskargruppen gett applikationen förmågan att förutsäga biomolekylära system bortom proteiner. Det kan förutsäga till exempel ligander eller RNA- eller DNA-strukturer. De noterar att det till och med kan göra förutsägelser om strukturen av joner, nukleinsyror, andra proteiner och interaktioner mellan antikroppar och antigener.