Sau 6 tháng bị chỉ trích, DeepMind sốt ruột: Mã của mô hình đoạt giải Nobel AlphaFold 3 được miễn phí trên toàn mạng, Nature cũng phát bài viết ca ngợi!

Những tiến bộ gần đây trong lĩnh vực dự đoán cấu trúc protein bằng trí tuệ nhân tạo (AI) đã mở ra một kỷ nguyên mới cho ngành sinh học và dược phẩm. Mới đây, Google DeepMind đã công bố phiên bản mới nhất của công cụ AlphaFold – AlphaFold 3, với việc mã nguồn được mở cửa cho cộng đồng khoa học. Đây là một bước tiến quan trọng, đánh dấu sự phát triển mạnh mẽ của AI trong việc dự đoán cấu trúc protein.

AlphaFold 3 dựa trên kiến trúc của phiên bản trước đó, AlphaFold 2, nhưng đã được cải thiện đáng kể. Công cụ này sử dụng khung tạo hình dựa trên sự lan truyền để dự đoán cấu trúc của các tương tác giữa protein và DNA, cũng như giữa các phân tử sinh học khác nhau như protein, axit nucleic và hợp chất nhỏ. Kết quả benchmark cho thấy, AlphaFold 3 có khả năng dự đoán chính xác hơn tới 20% so với các công cụ cũ trong việc dự đoán tương tác protein-ligan và khoảng 15% trong việc dự đoán tương tác axit nucleic.

Một trong những cải tiến quan trọng của AlphaFold 3 là khả năng tăng tốc độ dự đoán lên tới 50-75%, nhờ tối ưu hóa phần cứng. Điều này cho phép các nhà khoa học có thể dự đoán cấu trúc protein phức tạp trong vài giờ thay vì vài tuần hoặc vài tháng như trước đây. Ngoài ra, AlphaFold 3 được huấn luyện trên một tập dữ liệu lớn hơn bao gồm hơn 170.000 cấu trúc protein và hàng triệu chuỗi đối sánh, giúp nó có thể áp dụng hiệu quả cho nhiều loại cấu trúc phân tử khác nhau, từ RNA, DNA đến các hợp chất được sửa đổi.

Sự kiện này cũng nhấn mạnh nỗ lực của Google DeepMind trong việc thúc đẩy nghiên cứu khoa học thông qua việc chia sẻ mã nguồn. Trước đây, công ty đã từ chối công bố mã nguồn trong sáu tháng đầu tiên, nhưng sau đó đã quyết định mở cửa cho cộng đồng khoa học. Tuy nhiên, hiện tại chỉ có các nhà khoa học có nền tảng học thuật mới có thể truy cập vào các trọng số huấn luyện.

Mặc dù vậy, AlphaFold 3 vẫn đang đối mặt với cạnh tranh từ các công ty khác như Chai Discovery, một startup tại San Francisco, đã công bố mô hình Chai-1 của mình vào tháng Sáu. Chai-1 đã chứng minh khả năng dự đoán chính xác hơn 10-20% so với AlphaFold 3 trong các nhiệm vụ liên quan đến dược phẩm. Đặc biệt, Chai-1 không cần sử dụng phương pháp so khớp chuỗi đa đối tượng (MSA), điều này làm cho nó trở nên linh hoạt và hiệu quả hơn trong việc dự đoán cấu trúc phân tử với dữ liệu hạn chế.

Các nhà khoa học và doanh nghiệp đang tích cực phát triển các phiên bản khác của AlphaFold 3, nhằm giải quyết các hạn chế hiện tại và thúc đẩy sự phát triển của AI trong lĩnh vực sinh học và dược phẩm. Với sự cạnh tranh này, hy vọng rằng chúng ta sẽ chứng kiến sự tiến bộ nhanh chóng trong việc khám phá và thiết kế thuốc mới.

### Từ khóa
– Trí tuệ nhân tạo
– Dự đoán cấu trúc protein
– AlphaFold 3
– Dược phẩm
– Sinh học