Accurate structure prediction of biomolecular interactions with AlphaFold 3
Zusammenfassung
Kurz
Die Autor:innen stellen AlphaFold 3 als einheitliches Modell zur Vorhersage vielfältiger biomolekularer Komplexe vor und berichten in mehreren Benchmarks meist höhere Genauigkeit als bei spezialisierten Verfahren. Grenzen sind unter anderem Fehler bei Chiralität und Atomabständen, mögliche Scheinstrukturen in ungeordneten Bereichen und die fehlende zuverlässige Abbildung dynamischer Zustände; manche Ziele benötigen zudem viele Modellstarts.
Mittel
Der Bericht beschreibt AlphaFold 3 (AF3), ein Modell, das laut Autor:innen gemeinsame Strukturen aus Proteinen, Nukleinsäuren, Liganden, Ionen und modifizierten Resten vorhersagen kann. Seine Diffusionsarchitektur erzeugt Atomkoordinaten direkt; ein vereinfachter Pairformer verarbeitet paarweise Informationen und reduziert die Abhängigkeit von Sequenzalignments. Die Autor:innen berichten gegenüber spezialisierten Methoden meist höhere Genauigkeit, etwa bei Protein-Ligand- und Protein-Nukleinsäure-Komplexen sowie Antikörper-Antigen-Vorhersagen. Für RNA-Ziele aus CASP15 blieb AF3 jedoch hinter der besten Einreichung mit menschlicher Unterstützung. Bewertet wurde unter anderem anhand eines PDB-Satzes mit 8.856 Komplexen und des PoseBusters-Benchmarks; häufig wurden mehrere Modellstarts berechnet und die bestbewertete Vorhersage verglichen.
Als Grenzen nennt der Bericht falsche Chiralität (4,4 Prozent im PoseBusters-Test trotz Rangkorrektur), Atomüberlappungen und gelegentlich scheinbare Ordnung in ungeordneten Bereichen. AF3 sagt statische Strukturen voraus und bildet alternative Zustände in Lösung nicht zuverlässig ab. Bei Antikörper-Komplexen kann eine große Zahl von Modellstarts nötig sein; flache Sequenzalignments gehen mit geringerer Proteinvorhersagegenauigkeit einher. Die Autor:innen betonen, dass Genauigkeit für alle Zielarten weiterhin eine offene Herausforderung ist. Der Code wird nicht bereitgestellt; der Server soll nur nicht kommerziell und mit Einschränkungen für bestimmte Moleküle nutzbar sein.
Ausführlich lesen
Der Bericht stellt AlphaFold 3 (AF3) vor, ein Modell zur Vorhersage gemeinsamer dreidimensionaler Strukturen biomolekularer Komplexe. Die Autor:innen berichten, dass AF3 Proteine, Nukleinsäuren, kleine Moleküle, Ionen und chemisch veränderte Reste in einem einheitlichen System behandeln kann. In ihren Vergleichen habe es meist besser abgeschnitten als spezialisierte Vorhersageverfahren, unter anderem bei Protein-Ligand- und Protein-Nukleinsäure-Komplexen sowie bei Antikörper-Antigen-Interaktionen. Für RNA-Ziele aus CASP15 lag AF3 laut Bericht allerdings hinter der besten Einreichung mit menschlicher Unterstützung.
Die wesentliche technische Änderung gegenüber AlphaFold 2 ist eine Diffusionsarchitektur, die direkt Atomkoordinaten erzeugt. Im Netzwerk verarbeitet ein vereinfachter „Pairformer“ paarweise Repräsentationen; die Abhängigkeit von multiplen Sequenzalignments wird reduziert, aber nicht beseitigt. Beim Training lernt das Diffusionsmodul, verrauschte Koordinaten schrittweise zu bereinigen. Die Autor:innen ergänzten Trainingsdaten durch von AlphaFold-Multimer vorhergesagte Strukturen, um zu verhindern, dass ungeordnete Proteinbereiche fälschlich kompakt und strukturiert erscheinen. Außerdem trainierten sie Konfidenzwerte, die lokale und paarweise Vorhersagefehler abschätzen sollen.
Die Leistungsangaben beruhen auf mehreren Benchmarks und Auswertungsregeln. Der allgemeine Vergleich nutzt einen Satz von 8.856 PDB-Komplexen aus dem Zeitraum Mai 2022 bis Januar 2023; manche Ergebnisse sind zusätzlich auf geringe Sequenzähnlichkeit zu den Trainingsdaten beschränkt. Für Liganden verwendeten die Autor:innen unter anderem PoseBusters und ein Modell mit einem früheren Trainingsstichtag, damit die getesteten Strukturen nicht im Training enthalten waren. In der Regel wurden mehrere Vorhersagen erzeugt und die nach Konfidenz bestbewertete ausgewertet. Für Antikörper-Komplexe untersuchten sie bis zu 1.000 Modellstarts. Die Autor:innen berichten starke Ergebnisse bei Liganden, Nukleinsäuren, Modifikationen und Protein-Komplexen; bei Protein-Ligand-Docking habe AF3 in PoseBusters klassische Dockingverfahren übertroffen, obwohl es keine Struktur des Bindungstaschenbereichs als Eingabe erhielt. Die Konfidenzwerte hätten im Allgemeinen mit der gemessenen Genauigkeit übereingestimmt.
Der Bericht beschreibt zugleich wichtige Grenzen. AF3 kann falsche Chiralität erzeugen; im PoseBusters-Test lag die berichtete Rate trotz entsprechender Rangkorrektur bei 4,4 Prozent. Atomüberlappungen und sogar überlappende Proteinketten kommen ebenfalls vor, besonders in sehr großen Protein-Nukleinsäure-Komplexen. Ungeordnete Bereiche können als scheinbar geordnete Strukturen erscheinen, auch wenn diese oft niedrige Konfidenzwerte erhalten. Das Modell sagt statische Strukturen voraus und bildet die Vielfalt biologischer Zustände in Lösung nicht zuverlässig ab; im beschriebenen Beispiel sagte es für ein Protein sowohl ohne als auch mit Ligand dieselbe geschlossene Form voraus. Bei manchen Zielen ist eine große Zahl von Modellstarts nötig, was zusätzliche Rechenkosten verursacht; zudem sinkt die Proteinvorhersagegenauigkeit bei flachen Sequenzalignments. Die Autor:innen betonen, dass trotz der breiten Abdeckung zuverlässige Vorhersagen für alle Zieltypen noch nicht erreicht sind. Der Bericht nennt außerdem eine nicht kommerzielle Serververfügbarkeit mit Einschränkungen für bestimmte Liganden und Modifikationen; der Programmcode werde nicht bereitgestellt.
Gegengeprüft von Claude Haiku 5.5: kleine Mängel
Die Bewertung stützt sich allein auf den Berichtstext; Lunas Zusammenfassungen enthalten keine erkennbar erfundenen Angaben.
Im Bericht, aber nicht in der Zusammenfassung
- Cross-Distillation mit AlphaFold-Multimer-Strukturen zur Verringerung von Halluzinationen in ungeordneten Bereichen
- Verbesserungen gegenüber AlphaFold-Multimer bei Protein-Protein- und Antikörper-Vorhersagen
- Hinweis, dass AF3 beim Protein-Ligand-Docking klassische Verfahren wie Vina deutlich übertrifft
Wie die Modelle den Bericht einordnen
Ansicht
Filter
Fähigkeiten messen
- 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 29 %einzelne zitierbare Belege
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
- 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 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 39 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
- SF-F4 Für welche Modelle, Entwickler und Einsätze gelten Prüfregeln, und wann muss neu geprüft werden?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 47 %gleiches Oberthema, hilft nicht
- d3-ultra
Unabhängig prüfen
- 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 35 %einzelne zitierbare Belege
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
- SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
- clef 100 %kein Bezug
- Luna 47 %einzelne zitierbare Belege
- JEV 57 %umfangreiche Belege
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
- Haiku-Prüfung einzelne zitierbare Belege
- SF-P3-T02 Welche unabhängig überprüfbaren Zusagen könnten Regierungen von ihren KI-Laboren zur Veröffentlichung verlangen, und wie sieht unabhängige Prüfung aus, wenn der Beleg, dass ein Modell seinen vorgesehenen Zielen und Werten folgt, nur vom trainierenden Labor kommt und Prüfer weder die Modellgewichte (die gelernten Parameter) noch die Trainingsdaten sehen?
- SF-P3-T05 Welches Mindestpaket (Datenverzeichnisse, Code, Zufallsstartwerte, Abbilder der Rechenumgebung, Prüferversionen, Fehlerprotokolle und Annahmen über die Hardware) muss ein Labor sichern oder kontrolliert hinterlegen, damit ein Prüfer ein sicherheitskritisches Trainings- oder Prüfergebnis auch nach Ende seines Zugangs nachrechnen kann, und welche Geheimnisse bleiben unzugänglich?
- SF-P4 Wie lässt sich die Größe von Trainingsläufen überprüfen, ohne Modelldetails offenzulegen?
- clef 100 %kein Bezug
- Luna 44 %einzelne zitierbare Belege
- JEV 31 %einzelne zitierbare Belege
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
Tempo und Grenzen
- SF-T2 Woran erkennen andere, dass ein Labor wirklich bremst?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 53 %gleiches Oberthema, hilft nicht
- d3-ultra
- SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 46 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 59 %gleiches Oberthema, hilft nicht
- d3-ultra
Vertrauen in Modelle
- SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 41 %umfangreiche Belege
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 66 %gleiches Oberthema, hilft nicht
- d3-ultra
- 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 100 %kein Bezug
- JEV 35 %einzelne zitierbare Belege
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
- SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- clef 100 %kein Bezug
- Luna 33 %Hintergrund, keine Belege
- JEV 28 %umfangreiche Belege
- amos 40 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 49 %gleiches Oberthema, hilft nicht
- d3-ultra
- SF-V5-T02 Würde man lieber einem großen, überwachten Modell vertrauen oder vielen kleinen, nicht überwachten?
Modelle teilen und schützen
- SF-H1 Wo endet die erlaubte Nutzung fremder Modellausgaben, und wo beginnt unerlaubte Destillation, also das Trainieren eines eigenen Modells mit diesen Ausgaben?
- clef 100 %kein Bezug
- Luna 38 %einzelne zitierbare Belege
- JEV 62 %einzelne zitierbare Belege
- amos 28 %einzelne zitierbare Belege
- SubQ 100 %kein Bezug
- drex 33 %gleiches Oberthema, hilft nicht
- d3-ultra
- SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
- clef 100 %kein Bezug
- Luna 49 %einzelne zitierbare Belege
- JEV 49 %einzelne zitierbare Belege
- amos 23 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
- Haiku-Prüfung beantwortet teilweise oder widerspricht
- SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
- clef 100 %kein Bezug
- Luna 51 %umfangreiche Belege
- JEV 64 %beantwortet direkt und ausführlich
- amos 29 %einzelne zitierbare Belege
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
- Haiku-Prüfung umfangreiche Belege
Offenlegung und Rechenschaft
- SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 36 %einzelne zitierbare Belege
- amos 39 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 50 %gleiches Oberthema, hilft nicht
- d3-ultra
Beteiligung und Gemeinwohl
- SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
- clef 100 %kein Bezug
- Luna 37 %einzelne zitierbare Belege
- JEV 50 %einzelne zitierbare Belege
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
Weitere Berichte zu diesen Fragen
- 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?
- Unter welchen Bedingungen lassen Staaten und Labore sich gegenseitig prüfen: mit welchem Zugang, welchen Daten und welchen öffentlichen Ergebnissen?
- Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
- Wie lässt sich die Größe von Trainingsläufen überprüfen, ohne Modelldetails offenzulegen?
- Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
- Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
- Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- Wo endet die erlaubte Nutzung fremder Modellausgaben, und wo beginnt unerlaubte Destillation, also das Trainieren eines eigenen Modells mit diesen Ausgaben?
- Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
- Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
- Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
- Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
- Alle Berichte im Archiv