check_circleהמודל כבר לא חוזה רק חלבונים (משעמם!), אלא גם DNA, RNA ומולקולות קטנות (התרופות עצמן!).
check_circleהיכולת שלו לדייק את המפגש בין תרופה למטרה טובה פי שניים מהתוכנות הכי טובות שהיו עד היום.
check_circleזה מקצר את שלב המצאת התרופות ממיליוני דולרים ושנים במעבדה, לכמה לילות של עיבוד נתונים.
מה קרה?
דיפמיינד של גוגל עשתה זאת שוב. אחרי שהם פתרו את בעיית קיפול החלבונים המסובכת עם גרסאות קודמות, הגרסה החדשה AlphaFold 3 לוקחת את כל היקום הביולוגי שלנו ומכניסה אותו למחשב. המודל יכול לחזות במדויק איך תיראה מולקולה חדשה לחלוטין ואיך היא תתלבש על וירוס או תא סרטני – ברמת האטום הבודד. זה כמו לקבל את מפת הצ'יטים של הטבע.
מה זה אומר מדעית?
החידוש המרכזי כאן הוא שמודל הלמידה העמוקה שודרג כדי לחשב קומפלקסים הטרוגניים. כלומר, לא רק חלבון לחלבון, אלא חלבון שקושר מולקולה של תרופה פוטנציאלית בתוספת יון מגנזיום בסביבה מימית. הוא משתמש בגישת "מודל דיפוזיה" (כמו זה שמייצר תמונות ב-Midjourney), שמתחיל מרעש אקראי ומתכנס לאט לאט למבנה התלת-ממדי האמיתי של המולקולות. הדיוק בחיזוי ליגנדים מרסק את כל שיטות הסימולציה הפיזיקליות המסורתיות.
למה זה חשוב?
פיתוח תרופה היום נראה ככה: שופכים אלפי כימיקלים על תאים ומקווים למשהו טוב. זה עיוור, יקר ולוקח 10 שנים. עם AlphaFold 3, חוקרים יכולים לתכנן תרופות "על הנייר" (או יותר נכון במסך), להריץ סימולציה שתוודא שהן מתאימות בול למטרה, ורק אז ללכת לייצר אותן במעבדה. זה אומר תרופות טובות יותר, מהר יותר ובזול יותר לכולנו.
