A Chan Zuckerberg Biohub (CZ Biohub) közzétette az ESM Atlas nevű adatbázist, amely 1,1 milliárdra becsült, előre jelzett fehérjestruktúrát tartalmaz, valamint az ESMFold2 modell forráskódját és súlyait — mindezt nyílt forráskódú feltételekkel és kereskedelmi korlátozások nélkül. A Biohub közlése szerint a publikáció és az adatkiadás ugyanazon a napon jelent meg a Nature-ben.
Mi ez és mekkora a készlet?
- Az ESM Atlasban található struktúrák száma 1,1 milliárd. Ez a bemutatott viszonyítás szerint mintegy ötszöröse a DeepMind AlphaFold adatbázisának, amelyről a forrás 200 millió bejegyzést említ.
- Az ESMFold2 mögötti modellt a CZ Biohub szerint "milliárdos nagyságrendű" metagenomikai szekvencián képezték, olyan adathalmazon, amelyről a közlemény szerint az AlphaFold nem rendelkezett.
Mire használható és milyen eredményekről számolnak be?
A CZ Biohub azt állítja, hogy az ESMFold2-vel készített in silico tervek laborvizsgálatokban jó találati arányt mutattak rá daganatos és immunológiai célpontokra. A szervezet hangsúlyozza, hogy a modell és az adatbázis szabadon felhasználható, így nincsenek kereskedelmi felhasználást korlátozó záradékok.
A nyílt vs. zárt megközelítés kontextusa
A cikk szerint a DeepMind korábbi munkája — AlphaFold — jelentős figyelmet kapott, és az azt követő fejlesztések egy részénél a súlyok vagy eszközök zárt forrásként maradtak. A forrás erre hivatkozva azt állítja, hogy például az AlphaFold3 súlyai zárt forrásúak. A Chan Zuckerberg Biohub lépése ezzel szemben azt demonstrálja, hogy egy nagy és teljesen elérhető strukturális adatbázis, valamint egy nyílt modell megváltoztathatja a terepet: ha az eszköz és az adat szabadon hozzáférhető, a verseny fókusza arra tevődik át, ki és hogyan épít szolgáltatásokat, alkalmazásokat és további kutatást a fölé.
Miért számít ez?
A nyílt hozzáférésű, nagy méretű fehérje-struktúraadatbázis gyorsíthatja a biológiai kutatást és azt, hogy gyógyszertervezési vagy biotechnológiai innovációk alapjai széles körben elérhetővé váljanak. A CZ Biohub bejelentése — az adatmennyiség és a nyílt licenc kombinációja — azt a kérdést veti fel, hogy a modellek és adatkészletek gazdasági értékének forrása ezután inkább az lesz, aki a szolgáltatásokra és termékekre épít, nem pedig maga az alapmodell.
Összegzés
A Chan Zuckerberg Biohub ESM Atlas és ESMFold2 kiadása 1,1 milliárd előre jelzett fehérjestruktúrát és egy nyílt forráskódú struktúra-előrejelző modellt tett elérhetővé kereskedelmi korlátozások nélkül. A fejlesztés a forrás szerint nagyobb adatmennyiséget és nyílt megközelítést hoz a strukturális biológiai modellezésbe, és ezzel potenciálisan befolyásolhatja a terület jövőbeni innovációs és üzleti dinamikáját.
