¿Cómo ve el éxito de alphafold en el campo de la predicción de la estructura de proteínas?

Creo que el éxito de alphafold en el campo de la predicción de la estructura de proteínas no radica en su capacidad para predecir con precisión estructuras de dominio, sino en la aplicación de la IA en las ciencias biológicas.

Se sabe que las proteínas tienen una estructura de cuatro niveles. En términos simples, el primer nivel es un bloque de construcción, el segundo nivel usa bloques de construcción para formar un plano y el tercer nivel usa planos. Para formar estructuras tridimensionales. Modelo, el cuarto nivel es un complejo funcional formado por cada modelo tridimensional.

Alphafold es una IA que predice el modelo de composición del tercer nivel hasta el primer nivel. Aunque alphafold obtuvo el primer lugar en CASP, incluso superó con creces el segundo lugar, con una puntuación de 92,4. La puntuación muestra que este resultado es equivalente al método experimental, es decir, ya está muy cerca del resultado experimental. Pero, de hecho, todavía existen algunas diferencias entre las predicciones de alfafold y los resultados experimentales. Por ejemplo, en una proteína que se compone de múltiples repeticiones pequeñas que distorsionan las posiciones de cada una cuando se componen y ensamblan, todavía existen algunas diferencias entre las predicciones y. los resultados experimentales. Para otro ejemplo, cuando se intenta modelar una estructura única de un complejo de proteínas que interactúa con otras proteínas, se distorsiona su forma, como dos bloques de construcción poligonales, y cuando se instalan, el milagro de la fuerza los obliga a instalarse juntos. La deformación de la forma entre sí es casi la misma. Por lo tanto, aunque el número de estructuras terciarias predichas es cercano al número medido en estudios experimentales, las diferencias aún son dignas de discusión.

Por supuesto, no se puede decir que alphafold sea solo sensacionalismo. La aparición de alphafold muestra la viabilidad de utilizar la IA en las ciencias biológicas. También puede significar que la obtención de buenas estructuras proteicas ya no puede limitarse a las ciencias biológicas. Mientras pase alfa, solo se necesitan datos experimentales de baja calidad y fáciles de recopilar, lo cual es de gran importancia para ayudar al desarrollo a largo plazo de las ciencias de la vida.