AlphaFold ist ein von DeepMind, einer Tochtergesellschaft von Alphabet, entwickeltes Künstliche-Intelligenz-System, das dreidimensionale Proteinstrukturen aus Aminosäuresequenzen mit nahezu experimenteller Genauigkeit vorhersagt. Das System wurde erstmals 2018 eingeführt und mit AlphaFold 2 im Jahr 2020 erheblich verbessert und erzielte einen Durchbruch beim lange bestehenden Proteinfaltungsproblem, das über 50 Jahre lang eine der großen Herausforderungen der Biologie darstellte. AlphaFold nutzt Deep-Learning-Techniken, einschließlich aufmerksamkeitsbasierter neuronaler Netzwerk-Architekturen und Analyse mehrfacher Sequenzausrichtungen, um die räumlichen Koordinaten jedes Atoms in einer Proteinkette vorherzusagen. Die AlphaFold Protein Structure Database, die in Zusammenarbeit mit dem European Bioinformatics Institute (EMBL-EBI) des European Molecular Biology Laboratory erstellt wurde, bietet freien und offenen Zugang zu über 200 Millionen vorhergesagten Proteinstrukturen und deckt nahezu jedes katalogisierte Protein ab, das der Wissenschaft bekannt ist. Diese Datenbank ermöglicht es Forschern weltweit, auf strukturelle Vorhersagen zuzugreifen, die zuvor Jahre experimenteller Arbeit mit Techniken wie Röntgenkristallographie, Kryo-Elektronenmikroskopie oder Kernmagnetresonanzspektroskopie erfordert hätten. AlphaFold 3, das 2024 veröffentlicht wurde, erweiterte die Fähigkeiten des Systems um die Vorhersage von Strukturen von Komplexen, die Proteine, DNA, RNA, Liganden und andere Biomoleküle enthalten, und erweiterte seine Anwendbarkeit in der Wirkstoffentwicklung, Molekularbiologie und biochemischen Forschung erheblich. Das System wurde weit verbreitet in der Pharmaforschung zur Verständigung von Krankheitsmechanismen, Identifizierung potenzieller Wirkstoffe, Planung neuartiger Enzyme und Beschleunigung der frühen Phasen von Wirkstoff-Entwicklungspipelines eingesetzt. Der Quellcode und die Modellgewichte von AlphaFold sind als Open-Source-Software unter der Apache-2.0-Lizenz verfügbar, und die Vorhersagedatenbank ist für alle Forscher frei zugänglich. DeepMind bietet auch den AlphaFold Server an, ein kostenloses webgestütztes Tool, das es Wissenschaftlern ermöglicht, Vorhersagen für Proteinkomplexe zu generieren, ohne dass eine Rechnerinfrastruktur erforderlich ist.

AI-Datenanalyse

AlphaFold führt fortschrittliche KI-gesteuerte Datenanalysen durch, indem es Aminosäuresequenzen und multiple Sequenzausrichtungen interpretiert, um komplexe dreidimensionale Proteinstrukturen vorherzusagen. Das System verarbeitet umfangreiche Mengen an Evolutions- und Strukturdaten durch tiefe neuronale Netzwerke, um hochgenaue atomare Vorhersagen zu treffen, was eine der anspruchsvollsten Anwendungen von KI-Datenanalyse in der Wissenschaft darstellt.

AI-Arzneimittelforschung

AlphaFold hat die Früh-Stadium-Wirkstoffforschung transformiert, indem es Forschern ermöglicht, die dreidimensionalen Strukturen von Zielproteinen mit nahezu experimenteller Genauigkeit vorherzusagen. Pharmaunternehmen und akademische Labore nutzen AlphaFold, um Bindungsstellen zu identifizieren, Protein-Liganden-Wechselwirkungen zu verstehen und neuartige therapeutische Moleküle zu entwickeln, was die Zeit und Kosten für die Strukturbestimmung in der Wirkstoffentwicklungs-Pipeline drastisch reduziert.

AI-Gesundheitswerkzeuge

AlphaFold trägt zur Gesundheitswissenschaft bei, indem es Forschern Struktureinblicke in krankheitsbezogene Proteine bietet und ein besseres Verständnis genetischer Störungen, Infektionskrankheiten und Krebsbiologie ermöglicht. Seine Vorhersagen helfen Wissenschaftlern, die molekularen Mechanismen von Krankheiten zu klären und unterstützen die Entwicklung gezielter Therapien und Diagnosetools.

AI-Forschungstools

AlphaFold dient weltweit als grundlegendes KI-Forschungswerkzeug für Molekularbiologen, Biochemiker und Strukturbiologen. Seine Datenbank mit über 200 Millionen vorhergesagten Strukturen bietet sofortigen Zugriff auf Strukturinformationen, die zuvor Monate oder Jahre experimenteller Arbeit erforderten, und beschleunigt die Forschung in Bereichen wie Genomik, Evolutionsbiologie, synthetischer Biologie und Proteinentwicklung.