"Лучше поздно, чем никогда"! Google DeepMind сегодня представила свою новейшую технологию нетерпеливому академическому сообществуИсходный код программного обеспечения для прогнозирования белков искусственного интеллекта. Хотя некоторые учёные выразили недовольство тем, что DeepMind потребовалось шесть месяцев на выпуск кода, подавляющее большинство исследователей это приветствовало.
8 мая компания DeepMind опубликовала в журнале Nature статью, в которой объявила о запуске AlphaFold3, технологии.Способность предсказывать не только структуру белка, но и взаимодействия с ДНК, РНК и другими белками., что имеет большое значение для таких областей, как открытие лекарств.
Однако они критически отнеслись к тому, как была опубликована технология: несмотря на редакционные правила Nature, требующие опубликования исследований для предоставления вычислительного кода, статьяПредоставляется только «псевдокод».— описание шагов по запуску программы — и ссылку на онлайн-портал, который позволяет делать только ограниченное количество прогнозов в день. Это резко контрастирует с AlphaFold2, который DeepMind опубликовал в журнале Nature в 2021 году и предоставил полный код.Нарушает принятые стандарты открытости, воспроизводимости и экспертной оценки.. В открытом письме поддержки, подписанном сотнями людей, исследователи ясно дали это понять.
Столкнувшись с сопротивлением, DeepMind обещает выпустить статью в течение шести месяцев после публикации.Предоставляйте весь код некоммерческим пользователям. Сегодня компания выполняет это обещание.
Расчетная модель доступна в репозитории кода.Публикуется на GitHub под некоммерческой лицензией., а «веса» (числовые значения), используемые для корректировки модели ИИ, также доступны ученым, заполнившим короткую форму заявки.
«Мы ценим терпение сообщества», — сказал Пушмит Кохли, вице-президент DeepMind по науке. Хотя он и его команда твердо верят в правильность выпущенной ими программы, Кохли признал, что сообщество хочет работать непосредственно с кодом. Он добавил, что они потратили месяцы на подготовку и тестирование модели для сегодняшнего публичного запуска.
Исследователи это приветствуют. Эрик Линдал, биофизик из Стокгольмского университета и один из тех, кто подписал открытое письмо, сказал: «Я очень рад видеть, что команда DeepMind выполняет свое обещание сделать код общедоступным, а это означает, что наконец-то можно начать углубленное рассмотрение важной статьи». Вандер Стефани Ванковиц, специалист по вычислительной структурной биологии из Пенсильванского университета и один из организаторов открытого письма, добавила: «Опубликованные модели и веса важны как для оценки, так и для дальнейших исследований, основанных на них». Но она также отметила, что "шестимесячная задержка недопустима".
AlphaFold3 — последняя версия AlphaFold., этоПрогнозирование структуры белка ИИ на основе аминокислотной последовательности, которая ранее в этом году принесла двум исследователям DeepMind, Джону Циммеру и Демису Хассабису, номинацию на Нобелевскую премию по химии за эту технологию. Однако до сегодняшнего дня исследователи могли использовать программу только через онлайн-портал DeepMind, который был ограничен 10 (теперь 20) запросами в день и мог обрабатывать только ограниченную коллекцию молекул.
В своем майском заявлении главный редактор журнала Nature Магдалена Скиппер не уточнила, почему она отказалась от просьбы поделиться полным кодом, но сказала, что редакторы рассмотрели «потенциальные последствия биобезопасности и возникающие этические проблемы». Между тем, в новостном репортаже журнала Nature процитированы слова Коха о том, что командаДоступ к AlphaFold3 был ограничен, чтобы не повлиять на программы разработки лекарств коммерческой дочерней компании DeepMind IsomorphicLabs.. Колли рассказал журналу Science, что команда DeepMind отдала приоритет разработке портала, а не выпуску кода, «чтобы обеспечить самый простой интерфейс для большинства людей». Циммер сказал, что исследователи проделали «невероятную работу» с помощью портала, и эта работа не изменилась после сегодняшних новостей. Он подозревает, что большинство ученых будут продолжать работать таким образом, потому что это более практично для команд с ограниченными вычислительными мощностями.
Исследователи DeepMind также оспорили утверждения некоторых критиков о том, что статья Nature былаМожно повторить, потому что несколько команд разработали свои собственные версии AlphaFold3 на основе псевдокода. Компании, ориентированные на искусственный интеллект, такие как Baidu, LigoBiosciences и ChaiDiscovery, опубликовали результаты этих усилий. Дэниел Бьюкен, исследователь биоинформатики из Университетского колледжа Лондона, отмечает, что эти альтернативные «реализации» могут быть полезны даже сейчас, когда код AlphaFold3 стал общедоступным. «Это хорошо и важно — иметь возможность воспроизвести этот метод», — сказал он. Ванковиц добавил, что сравнение и сопоставление этих моделей может привести к улучшениям в будущем. Особое значение, по словам исследователей, имеет реализация неограниченных пользовательских лицензий, например тех, которые разрабатывает некоммерческая организация OpenFold Alliance. В противном случае, «если я помогу коллеге разработать совершенно новый лиганд, который мог бы стать потенциальным противораковым лекарством, и однажды они захотят работать с фармацевтической компанией над его коммерциализацией, все станет очень сложно», — говорит Роланд Данбрек, вычислительный структурный биолог из онкологического центра Фокс Чейз. Первоначально его попросили просмотреть рукопись DeepMind для журнала Nature, но он так и не получил код для проверки. Уже есть несколько исследовательских групп, планирующих работать с кодом AlphaFold3.
Авторы статьи, опубликованной сегодня в журнале Nature Computational Science, говорят, что надеются интегрировать AlphaFold3 в свое собственное программное обеспечение. Программа под названием MassiveFold помогает пользователям использовать параллельные вычисления, чтобы сократить время, необходимое для выполнения большого количества прогнозов на AlphaFold2 — с месяцев до часов.
Гийом Брисберт, исследователь биоинформатики из Французского национального центра научных исследований и разработчик MassiveFold, сказал, что благодаря интеграции нового кода DeepMind «пользователи могут получить лучшие результаты прогнозирования от AlphaFold2 или AlphaFold3». Чжу Мо сказал, что команда DeepMind с нетерпением ждет публикации результатов сегодня. «В AlphaFold2 мы увидели много творчества», — сказал он. «Мне очень интересно увидеть, как сообщество обнаружит работу AlphaFold3 — как его можно применить к новым проблемам?»
Ссылки:https://www.science.org/content/article/google-deepmind-releases-code-behind-its-most-advanced-protein-prediction-program