Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
deepmind15. Januar 2020 · Q002163

AlphaFold: Using AI for scientific discovery

deepmind.google · Originalbericht öffnen ↗

Zusammenfassung

Kurz

DeepMind berichtet, AlphaFold habe bei CASP13 Proteinstrukturen aus genetischen Sequenzen genauer vorhergesagt als andere teilnehmende Teams und den Wettbewerb gewonnen. Anwendungen für Medizin, Wirkstoffentwicklung und Umwelttechnik erscheinen im Beitrag als mögliche Zukunftsperspektiven; ein messbarer Nutzen sei noch nicht erreicht.

Mittel

Der Beitrag beschreibt AlphaFold, DeepMinds KI-System zur Vorhersage von Proteinstrukturen anhand genetischer Sequenzen. Proteine falten sich in komplexe dreidimensionale Formen, die ihre Funktionen mitbestimmen; ihre experimentelle Bestimmung kann laut Bericht Jahre dauern und hohe Kosten verursachen. Rechenmodelle könnten solche Forschung ergänzen.

Für CASP13 sagte AlphaFold Abstände zwischen Aminosäuren und Bindungswinkel voraus. Neuronale Netze bewerteten daraus mögliche Strukturen. Das Team erstellte Modelle entweder durch wiederholtes Verbessern von Proteinfragmenten oder durch Gradientenabstieg an der gesamten Kette. DeepMind berichtet, AlphaFold habe bei CASP13 den ersten Platz belegt und bei gezeigten Beispielen gut mit experimentellen Strukturen übereingestimmt. Der verwendete Code wurde öffentlich bereitgestellt.

Der Bericht stellt Anwendungen bei Krankheitsforschung, Medikamentenentwicklung, Protein-Design und Schadstoffabbau als mögliche künftige Vorteile dar. Er räumt ein, dass noch viel Arbeit nötig sei und ein messbarer praktischer Einfluss auf Krankheiten oder Abfallmanagement noch nicht erreicht sei. Diese Angaben sind die Darstellung DeepMinds, keine unabhängige Überprüfung.

Ausführlich lesen

Der Bericht stellt AlphaFold als DeepMinds KI-System zur Vorhersage der dreidimensionalen Proteinstruktur aus der Aminosäuresequenz vor. DeepMind beschreibt das Proteinfaltungsproblem als schwierig, weil die Sequenz allein nicht verrät, welche räumliche Form ein Protein annimmt; die Zahl möglicher Wechselwirkungen und Konfigurationen wächst mit der Proteingröße. Zugleich beeinflusst die Form nach Darstellung des Berichts die Funktion eines Proteins. Ein besseres Strukturverständnis könnte daher helfen, biologische Vorgänge und Krankheiten zu untersuchen.

DeepMind erklärt, dass experimentelle Verfahren wie Kryo-Elektronenmikroskopie, Kernspinresonanz und Röntgenkristallographie zwar Proteinstrukturen bestimmen können, aber langwierig und kostspielig sein können. KI-gestützte Vorhersagen aus genetischen Daten könnten die Forschung ergänzen und beschleunigen. Als Maßstab für Fortschritte nennt der Beitrag den internationalen CASP-Wettbewerb. AlphaFold habe bei CASP13 den ersten Platz unter den teilnehmenden Teams erreicht; die Organisatoren hätten den Fortschritt rechnergestützter Vorhersagen als beispiellos bezeichnet.

Für die Vorhersage trainierte das Team tiefe neuronale Netze mit genetischen Sequenzen. Diese schätzten einerseits Abstände zwischen Aminosäurepaaren und andererseits Winkel chemischer Bindungen. Weitere Netze bewerteten, wie gut eine vorgeschlagene Struktur zu diesen Vorhersagen passt. Daraus erzeugte das Team vollständige Proteinmodelle mit zwei Verfahren: Bei einem wurden Proteinfragmente wiederholt ausgetauscht und mithilfe eines generativen Netzes verbessert. Das andere optimierte die Bewertung durch Gradientenabstieg direkt für die gesamte Proteinkette. DeepMind berichtet, dass die vorhergesagten Abstände und Strukturen für gezeigte CASP13-Beispiele gut mit experimentell bestimmten Vergleichsstrukturen übereinstimmten. Der damals eingesetzte AlphaFold-Code wurde zur Einsicht und Reproduktion der Ergebnisse auf GitHub bereitgestellt.

Der Beitrag betont zugleich, dass noch viel Arbeit nötig sei. Zum Veröffentlichungszeitpunkt seien laut DeepMind erst ungefähr die Hälfte der von menschlichen Zellen produzierten Proteine strukturell kartiert gewesen. Mögliche Anwendungen bei seltenen Krankheiten, Arzneimittelentwicklung, Protein-Design und dem Abbau von Schadstoffen werden als Perspektiven beziehungsweise Hoffnungen beschrieben, nicht als bereits belegte Behandlungserfolge oder praktische Wirkungen. DeepMind erklärt ausdrücklich, dass ein messbarer Einfluss auf Krankheiten oder Abfallmanagement noch ausstehe. Der Artikel ist ein Unternehmensbericht über Forschung und Ergebnisse bei CASP13; die Zusammenfassung kann die dort berichteten Aussagen wiedergeben, aber nicht unabhängig bestätigen.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Luna hat zwei Kurzfassungen geliefert, die inhaltlich nicht erfunden sind; die mittlere lässt zentrale Punkte wie die templatefreie Modellierung weg. Die Einordnung bezieht sich nur auf die drei Sammelfragen, Teilfragen gab es keine.

Im Bericht, aber nicht in der Zusammenfassung

  • Das Team modellierte Strukturen ohne Rückgriff auf bereits gelöste Proteine als Vorlagen (ohne Templates).
  • Die Veröffentlichung in Nature und PROTEINS wird nicht genannt.
  • Laut Bericht sind erst etwa die Hälfte der von menschlichen Zellen gebildeten Proteine kartiert, was die Motivation des Berichts stützt.

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Fähigkeiten messen
  1. SF-F2 Wenn ein Staat ein Modell als Beleg für eine überschrittene Schwelle nennt oder ein Risiko an der Herkunft eines Modells festmacht: Wie wird das überprüfbar?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 24 %Hintergrund, keine Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. SF-F3 Welche Regeln gelten für gefährliche Fähigkeiten jenseits von Cyber, etwa in Biologie, Chemie, bei radioaktiven Stoffen oder in der Nukleartechnik?
    • clef 100 %kein Bezug
    • Luna 39 %Hintergrund, keine Belege
    • JEV 32 %gleiches Oberthema, hilft nicht
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Unabhängig prüfen
  1. SF-P1 Unter welchen Bedingungen lassen Staaten und Labore sich gegenseitig prüfen: mit welchem Zugang, welchen Daten und welchen öffentlichen Ergebnissen?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 31 %einzelne zitierbare Belege
    • amos 36 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 44 %einzelne zitierbare Belege
    • amos 30 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Tempo und Grenzen
  1. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 100 %kein Bezug
    • Luna 36 %einzelne zitierbare Belege
    • JEV 25 %gleiches Oberthema, hilft nicht
    • amos 50 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 60 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
Vertrauen in Modelle
  1. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 26 %Hintergrund, keine Belege
    • JEV 33 %einzelne zitierbare Belege
    • amos 43 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Modelle teilen und schützen
  1. SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
    • clef 100 %kein Bezug
    • Luna 33 %Hintergrund, keine Belege
    • JEV 41 %einzelne zitierbare Belege
    • amos 20 %einzelne zitierbare Belege
    • SubQ 47 %gleiches Oberthema, hilft nicht
    • drex 33 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 53 %einzelne zitierbare Belege
    • JEV 35 %einzelne zitierbare Belege
    • amos 24 %Hintergrund, keine Belege
    • SubQ 100 %kein Bezug
    • drex 39 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung nur am Rande erwähnt
Offenlegung und Rechenschaft
Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 50 %Hintergrund, keine Belege
    • JEV 52 %einzelne zitierbare Belege
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 50 %gleiches Oberthema, hilft nicht
    • drex 42 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung einzelne zitierbare Belege

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →