گوگل بخش زیادی از سال گذشته را صرف ساخت ربات چت Gemini خود برای مقابله با ChatGPT کرده است و آن را به عنوان یک دستیار هوش مصنوعی چند منظوره معرفی کرده است که می تواند به وظایف کاری یا وظایف دیجیتال شخصی کمک کند. بی سر و صداتر، این شرکت در حال کار برای بهبود ابزار تخصصی تر هوش مصنوعی است که در حال حاضر برای برخی از دانشمندان ضروری است.
AlphaFold، نرم افزار توسعه یافته توسط واحد هوش مصنوعی DeepMind گوگل برای پیش بینی ساختار سه بعدی پروتئین ها، پیشرفت قابل توجهی دریافت کرده است. اکنون می‌تواند سایر مولکول‌های مرتبط بیولوژیکی، از جمله DNA، و برهمکنش‌های بین آنتی‌بادی‌های تولید شده توسط سیستم ایمنی و مولکول‌های موجودات بیماری را مدل‌سازی کند. DeepMind این قابلیت‌های جدید را تا حدی با استفاده از تکنیک‌هایی از تولیدکننده‌های تصویر هوش مصنوعی به AlphaFold 3 اضافه کرد.
دمیس حسابیس، مدیر عامل گوگل دیپ مایند، پیش از انتشار مقاله ای در روز چهارشنبه در مورد AlphaFold 3 در مجله علمی به WIRED گفت: «این یک پیشرفت بزرگ برای ما است. طبیعت. این دقیقاً همان چیزی است که برای کشف دارو نیاز دارید: باید ببینید که چگونه یک مولکول کوچک به دارو متصل می شود، چقدر قوی است، و همچنین ممکن است به چه چیز دیگری متصل شود.
AlphaFold 3 می‌تواند مولکول‌های بزرگی مانند DNA و RNA را که حامل کد ژنتیکی هستند و همچنین موجودات بسیار کوچک‌تری از جمله یون‌های فلزی را مدل‌سازی کند. مقاله تحقیقاتی گوگل ادعا می کند که می تواند با دقت بالا نحوه تعامل این مولکول های مختلف با یکدیگر را پیش بینی کند.
این نرم افزار توسط Google DeepMind و آزمایشگاه های Isomorphic، شرکت خواهر Alphabet که روی هوش مصنوعی برای بیوتکنولوژی کار می کند، که توسط Hassabis نیز هدایت می شود، توسعه داده شده است. در ژانویه، آزمایشگاه ایزومورفیک اعلام کرد که با Eli Lilly و Novartis برای تولید دارو همکاری خواهد کرد.
AlphaFold 3 از طریق ابر برای دسترسی رایگان به محققان خارجی در دسترس خواهد بود، اما DeepMind این نرم افزار را مانند نسخه های قبلی AlphaFold به عنوان منبع باز منتشر نمی کند. جان جامپر، سرپرست تیم گوگل دیپ‌مایند که روی این نرم‌افزار کار می‌کنند، می‌گوید این نرم‌افزار می‌تواند به درک بهتر نحوه تعامل و کار پروتئین‌ها با DNA در بدن کمک کند. چگونه پروتئین ها به آسیب DNA پاسخ می دهند. جامپر می گوید چگونه آن را پیدا می کنند، آن را تعمیر می کنند؟ “ما می توانیم شروع به پاسخ به این سوالات کنیم.”
درک ساختارهای پروتئینی نیازمند کار پر زحمت با استفاده از میکروسکوپ های الکترونی و تکنیکی به نام کریستالوگرافی اشعه ایکس بود. چند سال پیش، گروه‌های تحقیقاتی دانشگاهی شروع به آزمایش کردند که آیا یادگیری عمیق، تکنیکی که در قلب بسیاری از پیشرفت‌های اخیر هوش مصنوعی قرار دارد، می‌تواند شکل پروتئین‌ها را به سادگی از روی اسیدهای آمینه تشکیل‌دهنده آن‌ها، با یادگیری از ساختارهایی که به طور تجربی تأیید شده بود، پیش‌بینی کند.
در سال 2018، Google DeepMind فاش کرد که در حال کار بر روی نرم افزار هوش مصنوعی به نام AlphaFold برای پیش بینی دقیق شکل پروتئین ها است. در سال 2020، AlphaFold 2 نتایج آنقدر دقیق بود که باعث ایجاد طوفانی از هیجان در زیست شناسی مولکولی شد. یک سال بعد، این شرکت یک نسخه منبع باز از AlphaFold را برای استفاده همه به همراه 350000 ساختار پروتئینی پیش‌بینی‌شده، از جمله تقریباً برای هر پروتئینی که در بدن انسان وجود دارد، منتشر کرد. در سال 2022، این شرکت بیش از 2 میلیون ساختار پروتئینی را منتشر کرد.