A glimpse of the next generation of AlphaFold
Zusammenfassung
Kurz
Google DeepMind und Isomorphic Labs zufolge erweitert eine neue AlphaFold-Generation Strukturvorhersagen auf Liganden, Nukleinsäuren und modifizierte Proteine und verbessert bestimmte Vorhersagen für die Arzneimittelforschung. Der Bericht nennt mehrere Strukturbeispiele, veröffentlicht im Text aber keine konkreten Vergleichswerte oder unabhängige Prüfung; die erwarteten Anwendungen sind Perspektiven.
Mittel
Google DeepMind und Isomorphic Labs berichten über eine neue AlphaFold-Generation, die laut Beitrag neben Proteinen auch Liganden, DNA, RNA und Proteine mit posttranslationalen Modifikationen modellieren kann. Sie soll Strukturen für nahezu alle Moleküle der Protein Data Bank vorhersagen und häufig atomare Genauigkeit erreichen.
Der Bericht beschreibt Vergleiche über verschiedene Molekülklassen hinweg. Erste Analysen hätten bei bestimmten Proteinvorhersagen, darunter zur Antikörperbindung, AlphaFold 2.3 übertroffen. Auch bei Protein-Ligand-Strukturen beanspruche das Modell bessere Ergebnisse als die besten berichteten Docking-Verfahren. Es benötige dafür nach Darstellung der Autoren weder eine bekannte Proteinstruktur noch eine vorgegebene Bindungstasche und könne die Positionen aller Atome gemeinsam bestimmen. Als Beispiele nennt der Text Strukturen zu PORCN, KRAS und PI5P4Kγ sowie CasLambda mit crRNA und DNA.
Die Unternehmen sehen mögliche Anwendungen in Arzneimittelforschung und Grundlagenbiologie. Der Beitrag enthält jedoch keine konkreten Messwerte oder detaillierte Angaben zur Auswertung und liefert keine unabhängige Prüfung. Genannte medizinische und wissenschaftliche Anwendungen sind daher Perspektiven, keine belegten Erfolge des neuen Modells.
Ausführlich lesen
Der Bericht von Google DeepMind und Isomorphic Labs beschreibt Fortschritte bei einer neuen Generation von AlphaFold. Das Modell soll nicht mehr nur Proteinstrukturen vorhersagen, sondern auch weitere biologisch relevante Moleküle und ihre Komplexe berücksichtigen: kleine Moleküle (Liganden), DNA und RNA sowie Proteine mit posttranslationalen Modifikationen. Laut Bericht kann es Vorhersagen für nahezu alle Moleküle in der Protein Data Bank erzeugen und dabei häufig atomare Genauigkeit erreichen. Die Autoren stellen diese Fähigkeiten als deutliche Erweiterung bisheriger AlphaFold-Versionen dar.
Zur Einordnung skizziert der Text die Entwicklung von Vorhersagen für einzelne Proteinketten über AlphaFold-Multimer und AlphaFold 2.3 bis zum neuen Modell. Die früheren Versionen hätten die Vorhersage von Mehrkettenkomplexen und größeren Strukturen verbessert. Die AlphaFold-Datenbank mit Vorhersagen für nahezu alle katalogisierten Proteine sei 2022 frei zugänglich gemacht worden. Der Bericht nennt 1,4 Millionen Nutzende in mehr als 190 Ländern und führt Beispiele für Forschung an Malaria-Impfstoffen, Krebsmedikamenten und kunststoffabbauenden Enzymen an.
Für die Leistungsbewertung verweist der Beitrag auf Vergleiche in mehreren Molekülklassen und auf experimentell bestimmte Strukturen als Referenz. Die grafischen Darstellungen werden im Text beschrieben, konkrete Messwerte oder Einzelheiten zu Versuchsaufbau und Auswertung enthält der vorliegende Berichtstext jedoch nicht. Die Autoren sagen, erste Analysen zeigten bei einigen für die Arzneimittelforschung relevanten Proteinvorhersagen, etwa zur Antikörperbindung, eine deutliche Überlegenheit gegenüber AlphaFold 2.3. Bei Protein-Ligand-Strukturen habe das Modell die besten berichteten Docking-Verfahren übertroffen. Anders als diese benötige es nach Darstellung des Beitrags weder eine Referenzstruktur des Proteins noch eine vorgegebene Bindungstasche. Es könne zudem die Positionen aller Atome gemeinsam modellieren und so die Beweglichkeit von Proteinen und Nukleinsäuren in Wechselwirkung mit anderen Molekülen erfassen.
Als Beispiele nennt der Bericht drei therapeutisch relevante Fälle mit vorhergesagten Strukturen, die den experimentell bestimmten Strukturen nahekommen: PORCN mit einem klinisch entwickelten Krebswirkstoff, einen KRAS-Komplex mit einem kovalenten Liganden und einen allosterischen Hemmstoff der Lipidkinase PI5P4Kγ. Ein weiteres Beispiel ist CasLambda mit crRNA und DNA. Die Autoren heben hervor, dass CasLambda zur CRISPR-Familie gehört und seine geringere Größe möglicherweise effizientere Anwendungen der Genomeditierung erlauben könnte.
Google DeepMind und Isomorphic Labs sehen mögliche Anwendungen unter anderem in der Arzneimittelentwicklung, der Untersuchung von Krankheitswegen und genomischen Prozessen sowie in Pflanzenbiologie, Materialforschung und synthetischer Biologie. Das sind im Bericht formulierte Chancen und Erwartungen, keine dort belegten klinischen Erfolge. Der Text ist ein Fortschrittsbericht der beteiligten Unternehmen: Er beschreibt Ergebnisse und Anwendungsbeispiele, legt aber weder vollständige quantitative Vergleichsdaten noch eine unabhängige Prüfung oder eine Veröffentlichung des Modells dar.
Gegengeprüft von Claude Haiku 5.5: ok
Beide Fassungen von Luna geben den Bericht sachlich treu wieder, ohne erfundene Angaben. Fehlend sind vor allem Nebenbefunde zur Datenbank, zur Nutzerzahl und zur Anwendung bei Isomorphic Labs. Die Einordnung stützt sich nur auf den Bericht selbst; zu den drei Sammelfragen liefert der Bericht wenig Belege.
Im Bericht, aber nicht in der Zusammenfassung
- Die kostenlose Bereitstellung der AlphaFold-Vorhersagen für nahezu alle bekannten Proteine über die AlphaFold Protein Structure Database mit EMBL-EBI (2022)
- Die Nutzung durch 1,4 Millionen Nutzer in über 190 Ländern
- Die Anwendung des Modells im Wirkstoffdesign durch Isomorphic Labs
- Das CasLambda-Beispiel als möglicher Ansatz für die Genomeditierung
Wie die Modelle den Bericht einordnen
Ansicht
Filter
Fähigkeiten messen
- SF-F1 Wie misst man gefährliche Fähigkeiten eines Modells, vor allem im Cyberbereich, mit gemeinsam anerkannten, wiederholbaren Tests, die keine Sprache, Kultur oder Seite bevorzugen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 48 %gleiches Oberthema, hilft nicht
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- 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 30 %einzelne zitierbare Belege
- amos 100 %kein Bezug
- SubQ 55 %gleiches Oberthema, hilft nicht
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- 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 28 %Hintergrund, keine Belege
- JEV 36 %gleiches Oberthema, hilft nicht
- amos 39 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- 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 42 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Unabhängig prüfen
- 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 39 %einzelne zitierbare Belege
- amos 39 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-P5 Wie überprüft man, ob Zusagen zwischen Staaten eingehalten werden, auch über Jahre und Regierungswechsel hinweg?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 57 %gleiches Oberthema, hilft nicht
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Tempo und Grenzen
- SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
- clef 100 %kein Bezug
- Luna 40 %Hintergrund, keine Belege
- JEV 29 %Hintergrund, keine Belege
- amos 53 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 66 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- Haiku-Prüfung gleiches Oberthema, hilft nicht
Vertrauen in Modelle
- 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 45 %einzelne zitierbare Belege
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 47 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 50 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Modelle teilen und schützen
- SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 26 %Hintergrund, keine Belege
- amos 34 %gleiches Oberthema, hilft nicht
- SubQ 61 %gleiches Oberthema, hilft nicht
- drex 42 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
- clef 100 %kein Bezug
- Luna 33 %Hintergrund, keine Belege
- JEV 44 %Hintergrund, keine Belege
- amos 38 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- Haiku-Prüfung gleiches Oberthema, hilft nicht
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 100 %kein Bezug
- amos 50 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 45 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-O3 Welcher Text gilt, und wie beweist man, dass ein Dokument nicht verändert wurde?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 42 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Beteiligung und Gemeinwohl
- SF-E1 Welche echte Stimme bekommen weitere Staaten, kleine Labore, Hochschulen und Zivilgesellschaft bei den Regeln für KI?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 50 %gleiches Oberthema, hilft nicht
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
- clef 100 %kein Bezug
- Luna 39 %Hintergrund, keine Belege
- JEV 44 %einzelne zitierbare Belege
- amos 37 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- Haiku-Prüfung einzelne zitierbare Belege
- SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 53 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
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?
- Welche Regeln gelten für gefährliche Fähigkeiten jenseits von Cyber, etwa in Biologie, Chemie, bei radioaktiven Stoffen oder in der Nukleartechnik?
- Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
- Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
- Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
- 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?
- Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
- Alle Berichte im Archiv