1.写在开头
最近总是看到AlphaFold 3又在Nature发表的新闻,我便想亲自体验一下AlphaFold 3的强度之处
2.简介
AlphaFold 3采用了一种全新的、基于扩散的架构,可以联合预测各种复合物的结构,包括蛋白质、核酸、小分子、离子和修饰残基。这意味着它可以帮助我们更准确地了解蛋白质是如何相互作用的,这对于药物研发、生物工程等领域有着巨大的潜力。
3.对生物、医药、科学的意义
最让人兴奋的是,AlphaFold 3相比以前的专业工具在准确性上有了显著的提升。对于蛋白质和配体之间的相互作用,它的准确性远远超过了当前最先进的对接工具。而在蛋白质和核酸之间的相互作用方面,它也比以往的核酸特异性预测器表现得更好。甚至,在抗体和抗原的预测上,它也比之前的AlphaFold-Multimer v2.3模型有了显著的提高。
这意味着什么呢?这意味着在一个单一的深度学习框架内,我们可以更精确地模拟整个生物分子空间。这是多么令人振奋的进展啊!这将为科学家们在药物研发、疾病治疗等方面提供前所未有的工具和资源。AlphaFold 3的推出,无疑将推动我们对生命科学的理解和探索迈出一大步!
4. AlphaFold 3如何使用?
在使用之前,我们先了解AlphaFold服务器的关键事项:
5. AlphaFold 3的应用
使用链接放在文末,需要访问国外网站哦
5.1 选择你感兴趣的分子 ,输入相应的代码或者序列
免费版本的有5四种选择
5.2 点击continue and preview
5.3 点击confirm and submit,等一等就成功了
结果如下,这是三维可以旋转、透视的图
(有镁离子)
注:
但是在没有Mg2+离子的存在下,似乎蛋白与核酸之间的距离变得更远了,是不是说明相互作用减弱了?进而推导出Mg2+对该蛋白与核算的相互作用具有重要意义呢
(无镁离子)
生信小博士
【生物信息学】R语言开始,学习生信。Seurat,单细胞测序,空间转录组。 Python,scanpy,cell2location。资料分享
公众号
如有不妥之处,欢迎批评指正——生信小博士
链接:https://golgi.sandbox.google.com/terms-of-service参考:https://pubmed.ncbi.nlm.nih.gov/38718835/https://blog.google/technology/ai/google-deepmind-isomorphic-alphafold-3-ai-model/#future-cell-biology
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。