AlphaFold 3轻松应对核酸、脂类分子？科学家迫不及待地更新了评测

将 ScienceAI 设为星标

第一时间掌握

新鲜的 AI for Science 资讯

编辑 | 萝卜皮

「如果这可以重现的话，这就是我们所知的世界末日！功能建模的新时代已经开始。」欧洲分子生物学实验室（EMBL）的科学家 Jan Kosinski 发推文表示。他在 AlphaFold 3 发布后，立刻用它做了一系列简单的测试，并把相关结果发在了 X 上。

「我取出了一个结构未知的转录因子，将其折叠起来，将其识别序列嵌入更长的 DNA 中。AlphaFold 3 准确定位了转录因子。」Kosinski 解释道。

他使用的转录因子：https://jaspar2020.genereg.net/matrix/MA0027.2/

使用的 DNA 序列：CAGGATCCTAATTATGGATCCTGTGTATCTTCAGT

他用的模型是：https://oc.embl.de/index.php/s/SsDKcS06P1xewAV

他说：「一旦 AlphaFold 3 的开源副本可用并且运行良好，我们也许能够通过计算来预测所有转录因子的序列特异性。我认为那会很大，对吧？」

同时，严谨的 Kosinski 呼吁网友：「但如果有人检查我是否没有混淆，是否与其他转录因子一致，以及分数是否可以用于区分特定和非特定序列，我会很高兴。」

Kosinski 还做了其他实验。

「还有一个，也许没有训练偏差。应该特异性结合启动子区域 ATTTTAGTCGCGCCTAAAAT 并且它再次出现！左为晶体结构，右为 AlphaFold 3 模型。启动子为红色。」他发文解释道。

「我们还不知道是否如此，但如果这种序列特异性推广到 CRISPR、锌指结构、TALEN、限制性核酸酶——可以为 AlphaFold 3 所有者带来多少收入？」他在推文里调侃道。

第二天 Kosinski 又用限制性内切酶做了相关测试。

「它『不能』推广到我手中的限制性核酸酶。识别序列为青色，切割位点为红色。」他说，「但请注意：只有两个示例和长 DNA，有人可以尝试精确长度的序列并比较特定和非特定序列。」

「AlphaFold 3 无法正确预测限制性核酸酶 BamHI 的序列，尽管有 5 种结构可用，其中 4 种带有 DNA。」他发推文说，「左边是模型，右边是晶体结构。鉴于其中一些结构可能包含在训练和模板数据库中，这表明训练集中结构的存在并不能保证准确的预测。」 

BamHI：https://uniprot.org/uniprotkb/P23940/entry#struct

洛桑联邦理工学院（EPFL）的 Martin Pacesa 评论道：「可能是因为来自 MSA 的噪音！如果有太多 RE 同源物识别非常不同的目标序列，它可能会迷失在共同进化噪声中。」

Kosinski 对 Pacesa 的观点表示肯定：「是的，你可能是对的，REases 在它们的 MSA 中通常很少有相似的序列……或者当我在硕士期间研究它们时，它们就这样做了。」

「它『识别』了什么？」网友 Evgenii 问道。

「CAAGCTTG，它只是绑定了另一个回文序列（像回文序列这样的 REases，原始序列 GGATCC 也是一个回文序列）。」Kosinski 回复道，「我尝试对序列进行洗牌，但它仍然找到并绑定了另一个不完美的回文序列（GCACGC）。我想我们需要一个更好的『背景诱饵序列』」

「有趣的！AAGCTT 那是 HindIII。根据您迄今为止的经验，AlphaFold 3 如何处理较长的 dsDNA 片段？」维也纳大学 Max Perutz 实验室的 Pim Huis in 't Veld 发文评论说。

「之前那这个起作用的原因是它搜索任何回文序列，因为这是相似的二聚体所结合的吗？有时它是否会寻找与训练模型中类似的一维 DNA 模式（例如回文、不匹配）？ 」法国 CNRS Orléans 的 Marcin J. Suskiewicz 发文评论道。

「也许会有一个合理的解释！」Kosinski 说道。

帕拉茨基大学（Univerzita Palackého）的理论物理化学家、化学和生物信息学家 Karel Krápník Berka 则使用 AlphaFold 3 对膜上的脂质分子进行了研究。

「AlphaFold 3 还可用于预测膜位置。」他发文表示，「这是 CYP2E1 与油酸 (OLA) 的示例。这是与我 2013 年的 MD 膜模型和来自纳米圆盘的冷冻电镜进行对比。」

Kosinski 做了相关测试并跟帖道：「使用这种技巧在类脂膜双层内建模的候选新型大麻素受体，添加油酸（OLA）作为配体。」

后续成果，ScienceAI 还会持续跟进。

相关内容：https://twitter.com/jankosinski/status/1788532231939453015

人工智能 × [ 生物 神经科学 数学 物理 化学 材料 ]

「ScienceAI」关注人工智能与其他前沿技术及基础科学的交叉研究与融合发展。

欢迎关注标星，并点击右下角点赞和在看。

点击阅读原文，加入专业从业者社区，以获得更多交流合作机会及服务。