AlphaFold 3: Fortschritte in der Vorhersage von Proteinstrukturen und deren Wechselwirkungen

AlphaFold 3: Ein neuer Meilenstein in der Proteinforschung

Google DeepMind und Isomorphic Labs haben AlphaFold 3 vorgestellt, die nächste Generation ihres KI-Systems zur Vorhersage von Proteinstrukturen. Das neue System geht über die Fähigkeiten seines Vorgängers, AlphaFold 2, deutlich hinaus. Während AlphaFold 2 primär Proteinstrukturen vorhersagen konnte, modelliert AlphaFold 3 nun auch die komplexen Wechselwirkungen von Proteinen mit anderen Biomolekülen wie DNA, RNA, Liganden, Ionen und chemischen Modifikationen.

Diese Erweiterung der Funktionalität eröffnet neue Möglichkeiten für die Forschung. Die Vorhersage von Protein-Ligand-Interaktionen, die für die Medikamentenentwicklung von entscheidender Bedeutung ist, ist mit AlphaFold 3 laut Google DeepMind um 50 Prozent genauer als mit bisherigen Methoden. Der Kern des Modells bildet eine verbesserte Version des Evoformer-Moduls, das bereits in AlphaFold 2 zum Einsatz kam. Für die finale Strukturvorhersage verwendet AlphaFold 3 ein neues Diffusionsnetzwerk, ähnlich dem von KI-Bildgeneratoren. Der Prozess beginnt mit einer "Wolke" von Atomen, deren Positionen zunächst zufällig verteilt sind. Das Netzwerk reduziert schrittweise das Rauschen und rekonstruiert die tatsächliche Anordnung der Atome. Dieser iterative Prozess liefert mit jedem Schritt ein klareres Bild der Molekülstruktur, bis am Ende die endgültige Vorhersage steht.

Ein besonders vielversprechender Aspekt für die Entwicklung neuer Medikamente ist die Fähigkeit von AlphaFold 3, die Interaktion von Proteinen mit Medikamenten und Antikörpern vorherzusagen, ohne auf experimentelle Strukturdaten angewiesen zu sein. Bisherige Methoden, die auf physikalischen Modellen basieren, benötigen die exakte 3D-Struktur des Proteins als Ausgangspunkt. Diese muss experimentell ermittelt werden, beispielsweise durch Röntgenkristallographie oder Kernspinresonanzspektroskopie – ein zeitaufwändiger und kostspieliger Prozess. Das Züchten von Proteinkristallen für die Röntgenkristallographie kann Wochen bis Monate dauern, und NMR-Experimente erfordern teure Geräte und oft umfangreiche Optimierungen. AlphaFold 3 umgeht diese Hürden und ermöglicht so eine deutlich schnellere und effizientere Forschung.

Zugänglichkeit und Kritik

AlphaFold 3 wurde zunächst nur über eine Serverinfrastruktur von Google DeepMind und ausschließlich für nicht-kommerzielle Zwecke zur Verfügung gestellt. Nutzer waren auf eine begrenzte Anzahl von Vorhersagen pro Tag beschränkt und konnten keine Strukturen von Proteinen berechnen, die mit potenziellen Medikamenten assoziiert sind. Diese Einschränkungen wurden mit der Notwendigkeit begründet, die kommerziellen Interessen von Isomorphic Labs, einer Tochtergesellschaft von DeepMind, die AlphaFold 3 ebenfalls für die Medikamentenentwicklung nutzt, zu schützen.

Diese Zugangsbeschränkungen stießen in der Forschungsgemeinschaft auf Kritik. Die Befürchtung, DeepMind könnte den Zugang zur Technologie monopolisieren und den wissenschaftlichen Fortschritt aus kommerziellen Interessen verlangsamen, wurde laut. Im Gegensatz dazu ist AlphaFold 2 Open Source und somit frei zugänglich.

Im November 2024 veröffentlichte Google DeepMind schließlich sowohl den Code als auch die Modellparameter von AlphaFold 3 auf GitHub. Die Nutzungsbedingungen erlauben die Verwendung der Modellparameter für nicht-kommerzielle Zwecke, insbesondere für die Forschung. Universitäten, gemeinnützige Organisationen, Forschungseinrichtungen, Bildungseinrichtungen, Journalisten und Regierungsbehörden können AlphaFold 3 somit für nicht-kommerzielle Forschung nutzen. Diese Veröffentlichung entschärfte die Kritik an der zuvor eingeschränkten Zugänglichkeit.

Ausblick

AlphaFold 3 hat das Potenzial, unser Verständnis der biologischen Welt und die Medikamentenentwicklung grundlegend zu verändern. Das System liefert detaillierte Einblicke in zelluläre Systeme und ermöglicht es Wissenschaftlern, Strukturen, Interaktionen und Modifikationen in ihrer gesamten Komplexität zu betrachten. Das Ziel ist die Beschleunigung der Entwicklung lebensverändernder Therapien. Der praktische Nutzen muss sich jedoch erst noch in vollem Umfang zeigen. Isomorphic Labs setzt AlphaFold 3 bereits für reale Herausforderungen im Medikamentendesign ein, sowohl für interne Projekte als auch in Zusammenarbeit mit Pharmaunternehmen. Die weitere Entwicklung und Anwendung von AlphaFold 3 wird in den kommenden Jahren mit Spannung erwartet.

Bibliography: Jumper, J., Evans, R., Pritzel, A. et al. Highly accurate protein structure prediction with AlphaFold. Nature 588, 586–596 (2020). https://doi.org/10.1038/s41586-020-2519-2 Senior, A.W., Jumper, J., Hassabis, D. et al. Improved protein structure prediction using potentials from deep learning. Nature 577, 706–710 (2020). https://doi.org/10.1038/s41586-019-1923-7 Callaway, E. Google DeepMind’s AlphaFold 3 predicts interactions between proteins, drugs and DNA. Nature 620, 166–167 (2024) https://doi.org/10.1038/d41586-024-01385-x DeepMind. AlphaFold: Using AI for scientific discovery. https://deepmind.google/discover/blog/alphafold-using-ai-for-scientific-discovery-2020/ Google. AlphaFold: The making of a breakthrough. https://blog.google/technology/ai/google-deepmind-isomorphic-alphafold-3-ai-model/ Sample, I. Google DeepMind’s ‘leap forward’ in AI could unlock secrets of biology. The Guardian. https://www.theguardian.com/science/article/2024/may/08/google-deepmind-ai-biology-alphafold Henshall, W. Google DeepMind’s Latest AI Model Is Poised to Revolutionize Drug Discovery. TIME. https://time.com/6975934/google-deepmind-alphafold-3-ai/ Azhar, A. Google DeepMind’s New AlphaFold Model Poised to Revolutionize Drug Discovery. AIWire. https://www.aiwire.net/2024/05/14/google-deepminds-new-alphafold-model-poised-to-revolutionize-drug-discovery/ Lin, F. AlphaFold 3 Angst: Limited Accessibility Stirs Outcry from Researchers. GEN. https://www.genengnews.com/topics/artificial-intelligence/alphafold-3-angst-limited-accessibility-stirs-outcry-from-researchers/ Service, R.F. Limits on access to DeepMind’s new protein program trigger backlash. Science. https://www.science.org/content/article/limits-access-deepmind-s-new-protein-program-trigger-backlash DeepMind. AlphaFold. https://deepmind.google/technologies/alphafold/