AlphaFold3'ün açık kaynak uygulaması

• Ligo Biosciences'ın kurucuları, protein yapı tahmini için en yeni model olan AlphaFold3'ün açık kaynak bir uygulamasını paylaştı
• Google DeepMind ve yeni girişimleri Isomorphic Labs, işlerini ilaç keşfine doğru genişletiyor
  • AlphaFold3'ü geliştirerek ilaç keşfini hızlandırıyor ve ilaç şirketlerinden talep yaratıyorlar
  • Novartis ve Eli Lilly ile şimdiden 3 milyar dolarlık sözleşmeler imzaladılar
• AlphaFold3, bir biyomoleküler yapı tahmini modeli olarak 3 ana işlev sunuyor
  • protein yapı tahmini
  • ilaç-protein etkileşim yapısı tahmini
  • nükleik asit-protein kompleksi yapı tahmini
• AlphaFold3, protein yapılarının haritalanmasını muazzam ölçüde hızlandırdığı için bilim alanında çok önemli
  • Bir doktora öğrencisinin tüm doktora süresi boyunca tek bir yapıyı incelemesine kıyasla, AlphaFold3 ile deneysel doğruluğa yakın tahminler birkaç dakika içinde elde edilebiliyor
• Sorun şu ki DeepMind, AlphaFold3'ü mayısta duyurdu ancak kodu yayımlamadı
  • Bu durum, yeniden üretilebilirlik konusunda soru işaretleri ve bilim dünyasında memnuniyetsizlik yarattı
• AlphaFold3, tüm biyoteknoloji sektörünün faydalanabileceği yapı modelleme teknolojisinde temel bir ilerleme ve kullanım alanı çok geniş
  • CRISPR gen düzenleme teknolojisi: bilim insanları DNA'nın makas görevi gören Cas proteinleriyle nasıl etkileştiğini tam olarak görebilir
  • Kanser araştırması: potansiyel ilaçların kanser hedeflerine nasıl bağlandığı tahmin edilebilir. DeepMind makalesindeki öne çıkan noktalardan biri, klinik KRAS inhibitörü ile hedefinin kompleks yapısının tahmin edilmesiydi
  • Antikor/nanobody ve hedef tahmini: AlphaFold3, bu molekül sınıfında doğruluğu bir sonraki en iyi araca kıyasla 2 kat artırıyor
• Ne yazık ki lisans ticari olmayan kullanım ile sınırlı olduğu için hiçbir şirket bunu kullanamıyor
• Bu yüzden AlphaFold3'ün açık kaynak uygulamasını yayımladılar
  • Tek zincirli proteinlerle eğitilmiş tam modeli yayımlıyorlar; diğer iki işlev için eğitim ve yayımlama da yakında yapılacak
  • Eğitim kodu da dahil
  • Ağırlıklar, eğitim ve benchmark tamamlandığında yayımlanacak
  • Gerçek anlamda açık kaynak olması için Apache 2.0 lisansı kullanılıyor
• DeepMind, makale aracılığıyla modelin tüm mimarisini her bileşenin sözde koduyla birlikte açıkladı
  • Bunu PyTorch'a tamamen çevirdiler ancak beklediklerinden daha fazla reverse engineering gerekti
• İlk kurulum sırasında, DeepMind makalesinde eğitimi engelleyebilecek çeşitli sorunlar buldular. Derin öğrenme topluluğunun ilgisini çekebilir
  • MSE kaybı ölçeklemesi Karras et al. (2022) ile farklı. Makalede verilen ağırlıklandırma yüksek gürültü seviyelerinde kaybı düşürmüyor
  • Makalede residual layer eksik
    • Eksik residual layer eklendiğinde gradient flow ve yakınsamada fayda sağladı
    • DeepMind'ın DiT bloklarında residual connection'ı neden atladığını bilen biri olup olmadığını merak ediyorlar
  • MSA modülünün mevcut biçiminde dead layer bulunuyor
    • Son pair weighted averaging ve transition layer, pair representation'a katkı sağlayamadığı için gradient yayılmıyor
    • Bunu AlphaFold2'deki ExtraMsaStack ile aynı sıradaki bir yapıyla değiştirdiler
    • Weight sharing kullanmak da bir alternatif olabilir ancak makalede bu konudaki açıklama belirsiz
• Ligo (YC S24), enzim tasarımı için AlphaFold3'ün fikirlerini kullanıyor
• AlphaFold3'ün açık kaynak hâline getirilmesini, topluluğa yardımcı olan yan bir misyon olarak görüyorlar

GN⁺ görüşü

• AlphaFold3, protein yapı tahmini alanında devrim niteliğinde bir teknoloji ve ilaç keşfi ile yaşam bilimleri araştırmalarında büyük etki yaratması bekleniyor
• Ancak DeepMind'ın kodu yayımlamaması, bilim dünyasındaki yeniden üretilebilirlik ve iş birliği ruhuna aykırı bir davranış olarak görülebilir
• AlphaFold3'e benzer işlevlere sahip açık kaynak projeler arasında OpenFold, RoseTTAFold vb. bulunuyor
• AlphaFold3'ü benimserken modelin doğruluğu, sınırları ve hesaplama kaynağı gereksinimleri dikkatle değerlendirilmeli
• Açık kaynak uygulamasının ortaya çıkmasıyla daha fazla araştırmacı ve şirket AlphaFold3'ün faydalarından yararlanabilecek olsa da ticarileştirme tarafında hâlâ kısıtlar var

[GN⁺]

Hacker News görüşleri

• DeepMind ve AlphaFold kapalı kaynak yönüne geçiyor

  • Isomorphic Labs, Alphabet'in bir bölümü olarak kuruldu ve kapalı kaynak çalışmalara odaklanıyor
  • Akademik bir aracın açık kaynak sürümüne sahip olmak teoride iyi görünüyor
  • Bu alana yeterince hakim olmadığım için somut faydaları belirtmek zor
  • Şirketin planının ne olduğunu merak ediyorum
  • Açık kaynak projeler üzerinde iş modelinin bir parçası olarak çalışmaya devam edip etmeyeceklerini, yoksa bunun tek seferlik bir şey mi olduğunu merak ediyorum
  • Web sitesi ne satmaya çalıştığı konusunda oldukça muğlak

• Tahminlerin nasıl doğrulandığını merak ediyorum

  • Tahminden sonra da X-ray kristalografisi, kriyojenik elektron mikroskobu gibi deneysel tekniklerin kullanılması gerekip gerekmediğini merak ediyorum
  • Tahminlerin gerçeğe çok yakın olup deney yapmadan ilerlemenin mümkün olup olmadığını merak ediyorum

• Bu uygulamaya dair bir makale yayımlamayı düşünüp düşünmediğinizi merak ediyorum

  • Böylece daha sonra literatürde alıntılamak daha kolay olur
  • Büyük dergilerin böyle bir makaleyi kabul edip etmeyeceğini merak ediyorum
  • Tekrarlanabilirlik konusunda sorular varsa kabul edeceklerini düşünüyorum

• Bu açık sürümün ticari ortamlarda kullanılabilmesine sevindim

  • Bir şirket kurmak için harika bir yol

• Bu uygulamanın adını değiştirmenin iyi olacağını düşünüyorum

  • Çünkü aslında AlphaFold3 değil
  • DM'den isim kullanımıyla ilgili bir durdurma talebi alabilirsiniz

• Model kodunun kendisi zorluğun küçük bir kısmı

  • Eğitim hesaplama gücü ve eğitim verisi çok daha büyük kısmı oluşturuyor
  • Google muhtemelen büyük ölçekli eğitim hesaplama gücüne herkesten daha fazla erişime sahip

• Hesaplamalı proteomik konusunda kısa bir deneyimim oldu

  • O alan gerçekten bambaşka bir seviye

• Yalnızca sözde kod yayımlamanın yeterli olmadığını kim düşünebilirdi ki

  • Kapalı bilime karşı savaşan bilimsel bağışıklık sistemini görmek sevindirici
  • Google'ın bir sonraki hamlesini merak ediyorum

• ColabFold'u bilip bilmediğinizi merak ediyorum

  • ColabFold bağlantısı

• Sıradaki adımın ne olduğunu merak ediyorum

  • Neden enzim tasarımına odaklanmaya karar verdiğinizi merak ediyorum