Трон AlphaFold в опасности!
Nature публикует: Подразделение Biohub Марка Цукерберга нанесло мощный удар, разом выпустив 1,1 миллиард предсказанных структур белков, что на 800 миллионов записей больше, чем в базе данных AlphaFold.
Лежащая в основе модель искусственного интеллекта ESMFold2, как утверждается, по всем параметрам превосходит AlphaFold3.
Что еще важнее — она полностью открыта и не имеет ограничений на коммерческое использование.
https://www.nature.com/articles/d41586-026-01686-3
Многолетнее доминирование Google DeepMind в области ИИ для белков теперь подрывается открытым конкурентом.
Ландшафт в области ИИ для белков, возможно, будет переписан.
1,1 миллиард белковых структур — все выложено на стол
27 мая биомедицинская организация Biohub, основанная Марком Цукербергом и его супругой, официально запустила базу данных белковых структур под названием ESM Atlas.
1,1 миллиард предсказанных белковых структур плюс 6,8 миллиардов записей информации о белковых последовательностях.
База данных AlphaFold накопила более 200 миллионов предсказанных структур, а ESM Atlas сразу же предлагает на 800 миллионов больше.
Модель искусственного интеллекта, сгенерировавшая эти предсказания, называется ESMFold2, и ее разработку возглавил научный руководитель Biohub Алекс Райвс.
Райвс говорит:
Эта карта показывает полную картину белковой биологии, особенно ее наименее изученные части.
Почему предсказание структуры белка так важно?
Белки — ключевые компоненты жизнедеятельности, знание их формы позволяет понять их функцию, что, в свою очередь, позволяет разрабатывать новые лекарства и бороться с болезнями.
AlphaFold за это получил Нобелевскую премию по химии, став знаковым примером того, как ИИ меняет науку.
Теперь новая модель выходит на сцену с набором данных в 5 раз больше.
В чем силен ESMFold2 как модель ИИ
ESMFold2 пошла по иному технологическому пути, чем AlphaFold.
Она построена на основе «языковой модели для белков», выпущенной в 2024 году. Ключевая идея заимствована из области NLP (обработки естественного языка): рассматривать белковую последовательность как «язык», обучать модель на десятках миллиардов белковых данных, чтобы она научилась предсказывать трехмерную структуру непосредственно по последовательности.
Коллеги по ИИ из AlphaFold должны найти это знакомым — та же логика, что и у больших языковых моделей, изучающих человеческий язык.
Ключевая переменная — охват обучающих данных.
ESMFold2 включает большое количество данных о белках микроорганизмов из окружающей среды, таких как почва и океан, — область, которая оставалась空白ой в базе данных AlphaFold.
Более широкий охват означает, что модель видит более полную «вселенную белков».
Команда Biohub утверждает, что ESMFold2 превосходит AlphaFold3 в предсказании комплексных структур взаимодействия белков друг с другом.
Но самое убедительное — не тестовые показатели, а практическая проверка.
Команда использовала ESMFold2 для разработки совершенно новых белков, синтезировала их в лаборатории и протестировала. Высокий процент конструкций сработал, как и ожидалось.
Прохождение этой цепочки от «предсказания» к «разработке» и «верификации» распространяет ценность из статьи в реальный мир.
Полная открытость — вот самый мощный козырь
Самым острым конкурентным оружием ESMFold2 является ее полная открытость и отсутствие ограничений на коммерческое использование.
Стратегическое значение этого выбора становится еще яснее в контексте всей индустрии ИИ.
Хотя AlphaFold имеет открытую базу данных, AlphaFold3 при первоначальном выпуске имел ограничения на коммерческое использование.
Модель предсказания взаимодействия белков, выпущенная в этом году Isomorphic Labs (подразделением Google DeepMind), и вовсе является полностью закрытой.
Расширенное чтение: Google выпустил «AlphaFold 4», больше не открытый! Производительность превосходит предыдущее поколение.
Вычислительный биолог из MIT Овчинников прямо указал на ценность открытости: «Я ожидаю, что многие будут в восторге от возможности попробовать ESMFold2».
Эффект рычага открытого ИИ уже был убедительно продемонстрирован на треке больших языковых моделей, и серия Llama от Meta — лучший тому пример.
Достаточно сильная открытая модель может мобилизовать глобальное сообщество на ее итеративное улучшение, применение и обнаружение способов использования, о которых не думали даже оригинальные разработчики.
Ситуация в области белкового ИИ более специфична: огромное количество лабораторий и исследовательских учреждений по всему миру остро нуждается в бесплатном, неограниченном инструменте предсказания структур. Какой бы сильной ни была закрытая модель, ее аудитория остается ограниченной.
Выбор Biohub в пользу полной открытости полностью соответствует стратегии Meta на поле больших языковых моделей.
Стратегия команды Цукерберга в области ИИ становится все яснее — использовать открытый код для создания инфраструктуры, а экосистему — для построения защитного рва.
Что думают коллеги-эксперты?
Реакция научного сообщества положительна, но оговорки тоже четко обозначены.
Джемма Аткинсон из Лундского университета (Швеция) назвала ESM Atlas «должным стать исключительным ресурсом для биологии».
Кристин Оренго из Университетского колледжа Лондона признала ее ценность, но подчеркнула, что предсказанные результаты нуждаются в независимой проверке.
Более острый вопрос задал Мартин Штайннеггер из Сеульского национального университета.
Его интересует, насколько хорошо ESMFold2 справляется с «новыми структурами», сильно отличающимися от известных белков.
Его команда ранее обнаружила, что первая версия ESMFold в этом аспекте не блещет. Этот вопрос для ESMFold2 все еще остается открытым.
Овчинников из MIT дал наиболее трезвую оценку, предположив, что ESM Atlas лучше позиционировать как дополнение к базе данных AlphaFold.
Он также отметил, что закрытая модель Isomorphic Labs, а также некоторые открытые модели, с которыми Biohub не проводила прямого сравнения, также достигли аналогичного уровня результатов.
Преимущество ESMFold2, возможно, не так велико, как намекает статья.
Эта осторожность как раз отражает, что конкуренция в области белкового ИИ стала невероятно острой.
Открытые, закрытые, академические, коммерческие — все модели итеративно улучшаются с чрезвычайно высокой скоростью.
Сегодняшний «сильнейший» может быть превзойден через полгода. Этот ритм уже очень напоминает гонку вооружений на треке больших языковых моделей.
Когда ИИ начинает читать исходный код жизни
Раньше определение трехмерной структуры одного белка могло занимать от нескольких месяцев до нескольких лет лабораторной работы.
AlphaFold впервые доказал, что ИИ может сделать это за минуты.
Теперь ESMFold2 увеличил масштаб предсказаний до 1,1 миллиарда, охватив огромное количество белков, которые ранее никогда не были определены.
Если продолжить развивать эту мысль, когда ИИ сможет точно предсказывать все белковые структуры, разрабатывать совершенно новые функциональные белки и эффективно проверять их экспериментально, то до внедрения ОИИ (общего искусственного интеллекта) в науках о жизни может оказаться ближе, чем думает большинство.
Если действительно наступит эра СИИ (сверхразумного искусственного интеллекта), биология перестанет для него быть дисциплиной, требующей «изучения», а станет системой, которую можно «инженерно проектировать».
Проектирование жизни на молекулярном уровне, создание белков по требованию, переписывание правил эволюции.
Звучит как научная фантастика, но такие инструменты, как ESMFold2, шаг за шагом превращают «фантастику» в «инженерную задачу».
Сегодня 1,1 миллиард белковых структур выложены на стол, и любой ученый в мире с доступом в интернет может бесплатно ими воспользоваться.
Это означает, что способность ИИ понимать жизнь поднялась еще на одну ступень.
Источники: https://www.nature.com/articles/d41586-026-01686-3
Эта статья взята с официального аккаунта WeChat «Синьчжиюань» (新智元), автор: Откровения ИСИ (ASI启示录); редактор: Ма Кэ (马可)
