Компания Google DeepMind опубликовала исходные тексты системы машинного обучения AlphaFold 3, предназначенной для предсказания трёхмерной структуры белков и моделирования взаимодействия белков с другими типами молекул. За создание алгоритмов машинного обучения, реализованных во второй версии AlphaFold, в этом году присуждена Нобелевская премия по химии. Связанный с AlphaFold 3 инструментарий написан на Python и C++, и распространяется под лицензией CC BY-NC-SA 4.0. Натренированные модели предоставляются на основе пользовательского соглашения. Отдельно запущен сервер, позволяющий экспериментировать с AlphaFold 3 в online-режиме.

Модель, которая обучена на коллекции с описанием структур всех известных белков и аминокислотных последовательностей, решает проблему фолдинга белка и позволяет прогнозировать трёхмерную структуру новых белков с точностью, как минимум не уступающей лабораторному анализу, а при оценке взаимодействия белков с другими типами молекул значительно превосходящей существующие методы прогнозирования. Третья версия модели AlphaFold отличается задействованием новой архитектуры "Pairformer", развивающей идею архитектуры "трансформер".

В отличие от AlphaFold 2 новая версия не ограничивается белками, состоящими из одной полипептидной цепи, и может применяться для предсказания белковых комплексов с ДНК и РНК, а также моделирования модифицированных вариантов этих молекул. На вход AlphaFold передаётся список молекул, а на выходе формируется совместная 3D-структура, определяющая наиболее вероятное взаимодействие указанных молекул.

С практической стороны AlphaFold 3 может использоваться для разработки лекарств и методов лечения, а также создания новых белков. Например, при помощи AlphaFold спроектирован белок, способный прикрепляться к определённым раковым клеткам, что может использоваться в противораковой терапии нового поколения. AlphaFold также активно используется при изучении взаимодействия антител с белками для понимания иммунного ответа человека и создания новых антител.