AlphaFold
Prédit la structure tridimensionnelle des protéines à partir de leur séquence d’acides aminés
Le texte intégral est présenté en anglais ; le titre et le résumé sont localisés.
CE QUE C'EST
AlphaFold is Google DeepMind’s protein-structure prediction system; the second version (AlphaFold2) was announced at the CASP14 assessment in November 2020 with accuracy close to experimental methods. It takes a protein’s amino-acid sequence and a multiple sequence alignment as input, uses an attention-based Evoformer module to model relationships between residues, and outputs three-dimensional coordinates. DeepMind later open-sourced the code and model weights and, with EMBL-EBI, built the AlphaFold Protein Structure Database, which holds hundreds of millions of predicted structures.
Pourquoi il compte
It pushed protein-structure prediction to near-experimental accuracy, released the code and weights, and built a large structure database, becoming one of the most cited cases of AI applied to scientific research.
Caractéristiques clés
- Open source
- Yes (code and model weights released)
- Database scale
- AlphaFold DB holds hundreds of millions of predicted structures
- Input
- Amino-acid sequence and multiple sequence alignment
- Released
- 2020-11 (CASP14)
Concepts liés
Mécanisme d’attention
Chaque position peut regarder directement toutes les autres et répartir dynamiquement son attention selon la pertinence
Infrastructure d’entraînement et d’inférence
La mémoire décide de la taille du modèle entraînable, la communication de la durée — le calcul brut est rarement le goulot