GermanWikipedia - /page/entry.mu

Micron Document

<!DOCTYPE html>

<title>AlphaFold</title>

</head>

<h1 id="firstHeading" class="firstHeading mw-first-heading">AlphaFold</h1>

</header>

</div>

<div id="mw-content-text" class="mw-body-content mw-content-ltr" lang="de" dir="ltr"><div class="mw-content-ltr mw-parser-output" lang="de" dir="ltr">AlphaFold (2018), AlphaFold 2 und AlphaFold 3 (2024) sind tiefe <a href="K%C3%BCnstliches_neuronales_Netz" title="Künstliches neuronales Netz">neuronale Netze</a> aus <a href="Transformer_(Maschinelles_Lernen)" title="Transformer (Maschinelles Lernen)">Transformern</a>, die eine <a href="Proteinstruktur" title="Proteinstruktur">Proteinstruktur</a> basierend auf der <a href="Prim%C3%A4rstruktur" title="Primärstruktur">Aminosäuresequenz</a> des Proteins vorhersagen.<a href="#cite_note-1">[1]</a>

Das Programm wurde vom in London ansässigen Unternehmen <a href="Deepmind" class="mw-redirect" title="Deepmind">Deepmind</a> entwickelt und erreichte beim <a href="Critical_Assessment_of_Techniques_for_Protein_Structure_Prediction" class="mw-redirect" title="Critical Assessment of Techniques for Protein Structure Prediction">Critical Assessment of Techniques for Protein Structure Prediction</a> (CASP) Wettbewerb 2018 und 2020 Bestwerte.<a href="#cite_note-DOI10.1038/d41586-020-03348-4-2">[2]</a><a href="#cite_note-sciencem-202011-3">[3]</a>

In der medizinischen Fachwelt wurde dies als Durchbruch der <a href="Proteinstrukturvorhersage" title="Proteinstrukturvorhersage">Proteinstrukturvorhersage</a> aufgenommen.<a href="#cite_note-cnbc20201130-4">[4]</a>

Seit dem 15. Juli 2021 unterliegt die Software einer <a href="Open_Source" title="Open Source">Open-Source</a>-Lizenz – auch für kommerzielle Unternehmen. Zudem wurde die Funktionsweise im Fachjournal <a href="Nature" title="Nature">Nature</a> veröffentlicht.

Jeder kann jetzt Proteine falten<a href="#cite_note-5">[5]</a><a href="#cite_note-6">[6]</a> oder in Datenbanken (wie der AlphaFold Protein Structure Database<a href="#cite_note-7">[7]</a>) mit automatisch generierten Modellen nachschauen<a href="#cite_note-8">[8]</a>. <a href="Facebook" title="Facebook">Meta</a> hat 2022 mit ESMFold (Evolutionary Scale Modeling Fold) ein weiteres <a href="Large_Language_Model" title="Large Language Model">Large Language Model</a> zur Proteinstrukturvorhersage vorgestellt.<a href="#cite_note-9">[9]</a>

<div class="mw-heading mw-heading2"><h2 id="AlphaFold_3">AlphaFold 3</h2></div>

AlphaFold 3 wurde am 8. Mai 2024 vorgestellt. Im Gegensatz zu den vorangegangenen Softwareversionen ist diese Version in der Lage, nicht nur die 3D-Struktur von Molekülen vorherzusagen, sondern auch ihre Interaktion untereinander und mit anderen Molekülen. Nach Aussage von DeepMind kann sie dies in bislang nicht gekannter Genauigkeit. Die Entwickler erwarten, dass AlphaFold 3 die Entwicklung neuer Medikamente stark beschleunigen wird. Die Funktionen von AlphaFold 3 werden Forschern über den AlphaFold-Server zugänglich gemacht.<a href="#cite_note-10">[10]</a> Er darf für nicht-kommerzielle Forschungszwecke kostenlos genutzt werden.<a href="#cite_note-11">[11]</a>

Der Quellcode hingegen wurde zunächst zurückgehalten, was zu Kritik in der Wissenschaftsgemeinde führte: In einem offenen Brief kritisierten über 600 Wissenschaftler eine Veröffentlichung von Ergebnissen des Modells AlphaFold 3 in der Fachzeitschrift Nature als unverantwortlich, weil die zugrundeliegenden Trainings-Daten zwar öffentlich finanziert wurden, der Zugang zum Modell von AlphaFold 3 aber nur begrenzt zur Verfügung gestellt wurde und der Quellcode nicht öffentlich war, so dass sich die Arbeitsweise nicht überprüfen ließ.<a href="#cite_note-12">[12]</a><a href="#cite_note-13">[13]</a>

Die Entwickler von AlphaFold, <a href="Demis_Hassabis" title="Demis Hassabis">Demis Hassabis</a> und <a href="John_M._Jumper" title="John M. Jumper">John Jumper</a>, wurden 2024 für die Vorhersage der komplexen Strukturen von Proteinen mit dem <a href="Nobelpreis_f%C3%BCr_Chemie" title="Nobelpreis für Chemie">Nobelpreis für Chemie</a> ausgezeichnet. Wenige Wochen später veröffentlichte Google DeepMind den Quellcode von AlphaFold 3.<a href="#cite_note-14">[14]</a>

<div class="mw-heading mw-heading2"><h2 id="Weblinks">Weblinks</h2></div>

<ul><li><a rel="nofollow" class="external text" href="https://deepmind.google/technologies/alphafold/">Website von Alphafold</a></li>

<li><a rel="nofollow" class="external text" href="https://golgi.sandbox.google.com">Website des Alphafold Servers</a></li>

<li><a href="https://doi.org/10.1038/s41586-024-07487-w" class="extiw external" title="doi:10.1038/s41586-024-07487-w">Abramson, J., Adler, J., Dunger, J. et al. Accurate structure prediction of biomolecular interactions with AlphaFold 3. - Nature (2024).</a></li></ul>

<div class="mw-heading mw-heading2"><h2 id="Einzelnachweise">Einzelnachweise</h2></div>

<li id="cite_note-1"><a href="#cite_ref-1">↑</a> <a rel="nofollow" class="external text" href="https://deepmind.com/research/case-studies/alphafold">AlphaFold.</a> In: Deepmind. Abgerufen am 30. November 2020 (englisch).<span style="display: none;" class="Z3988" title="ctx_ver=Z39.88-2004&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Adc&rfr_id=info%3Asid%2Fde.wikipedia.org%3AAlphaFold&rft.title=AlphaFold&rft.description=AlphaFold&rft.identifier=&rft.date=&rft.language=en">

</li>

<li id="cite_note-DOI10.1038/d41586-020-03348-4-2"><a href="#cite_ref-DOI10.1038/d41586-020-03348-4_2-0">↑</a> Ewen Callaway: ‘It will change everything’: DeepMind’s AI makes gigantic leap in solving protein structures. In: Nature. 588, 2020, S. 203, <a href="Digital_Object_Identifier" title="Digital Object Identifier">doi</a>:<a rel="nofollow" class="external text" href="https://doi.org/10.1038/d41586-020-03348-4">10.1038/d41586-020-03348-4</a>.

</li>

<li id="cite_note-sciencem-202011-3"><a href="#cite_ref-sciencem-202011_3-0">↑</a> Robert F. Service: <a rel="nofollow" class="external text" href="https://www.sciencemag.org/news/2020/11/game-has-changed-ai-triumphs-solving-protein-structures">‘The game has changed.’ AI triumphs at solving protein structures.</a> In: sciencemag.org. 1. Dezember 2020, abgerufen am 24. Dezember 2020 (englisch).<span style="display: none;" class="Z3988" title="ctx_ver=Z39.88-2004&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Adc&rfr_id=info%3Asid%2Fde.wikipedia.org%3AAlphaFold&rft.title=%E2%80%98The+game+has+changed.%E2%80%99+AI+triumphs+at+solving+protein+structures&rft.description=%E2%80%98The+game+has+changed.%E2%80%99+AI+triumphs+at+solving+protein+structures&rft.identifier=https%3A%2F%2Fwww.sciencemag.org%2Fnews%2F2020%2F11%2Fgame-has-changed-ai-triumphs-solving-protein-structures&rft.creator=Robert+F.+Service&rft.date=2020-12-01&rft.language=en">

</li>

<li id="cite_note-cnbc20201130-4"><a href="#cite_ref-cnbc20201130_4-0">↑</a> Sam Shead: <a rel="nofollow" class="external text" href="https://www.cnbc.com/2020/11/30/deepmind-solves-protein-folding-grand-challenge-with-alphafold-ai.html">DeepMind solves 50-year-old ‘grand challenge’ with protein folding A.I.</a> In: <a href="CNBC" title="CNBC">CNBC</a>. 30. November 2020, abgerufen am 18. Dezember 2020 (englisch).<span style="display: none;" class="Z3988" title="ctx_ver=Z39.88-2004&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Adc&rfr_id=info%3Asid%2Fde.wikipedia.org%3AAlphaFold&rft.title=DeepMind+solves+50-year-old+%E2%80%98grand+challenge%E2%80%99+with+protein+folding+A.I.&rft.description=DeepMind+solves+50-year-old+%E2%80%98grand+challenge%E2%80%99+with+protein+folding+A.I.&rft.identifier=https%3A%2F%2Fwww.cnbc.com%2F2020%2F11%2F30%2Fdeepmind-solves-protein-folding-grand-challenge-with-alphafold-ai.html&rft.creator=Sam+Shead&rft.date=2020-11-30&rft.language=en">

</li>

<li id="cite_note-5"><a href="#cite_ref-5">↑</a> Ewen Callaway: <a rel="nofollow" class="external text" href="https://www.spektrum.de/news/alphafold-2-jeder-kann-jetzt-proteine-falten/1896928">Open-Source-Software: Jeder kann jetzt Proteine falten.</a> In: www.spektrum.de. Spektrum der Wissenschaft, 19. Juli 2021, abgerufen am 7. August 2020.<span style="display: none;" class="Z3988" title="ctx_ver=Z39.88-2004&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Adc&rfr_id=info%3Asid%2Fde.wikipedia.org%3AAlphaFold&rft.title=Open-Source-Software%3A+Jeder+kann+jetzt+Proteine+falten&rft.description=Open-Source-Software%3A+Jeder+kann+jetzt+Proteine+falten&rft.identifier=https%3A%2F%2Fwww.spektrum.de%2Fnews%2Falphafold-2-jeder-kann-jetzt-proteine-falten%2F1896928&rft.creator=Ewen+Callaway&rft.publisher=Spektrum+der+Wissenschaft&rft.date=2021-07-19">

</li>

<li id="cite_note-6"><a href="#cite_ref-6">↑</a> J. Jumper, R. Evans et al.: <cite style="font-style:italic">Highly accurate protein structure prediction with AlphaFold</cite>. In: <cite style="font-style:italic">Nature</cite>. 15. Juli 2021, <a href="Digital_Object_Identifier" title="Digital Object Identifier">doi</a>:<a rel="nofollow" class="external text" href="https://doi.org/10.1038/s41586-021-03819-2">10.1038/s41586-021-03819-2</a>.<span class="Z3988" title="ctx_ver=Z39.88-2004&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Abook&rfr_id=info:sid/de.wikipedia.org:AlphaFold&rft.atitle=Highly+accurate+protein+structure+prediction+with+AlphaFold&rft.au=J.+Jumper%2C+R.+Evans+et+al.&rft.btitle=Nature&rft.date=2021-07-15&rft.doi=10.1038%2Fs41586-021-03819-2&rft.genre=book" style="display:none">

</li>

<li id="cite_note-7"><a href="#cite_ref-7">↑</a> <a rel="nofollow" class="external text" href="https://alphafold.ebi.ac.uk/">AlphaFold Protein Structure Database.</a> Abgerufen am 30. September 2021.<span style="display: none;" class="Z3988" title="ctx_ver=Z39.88-2004&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Adc&rfr_id=info%3Asid%2Fde.wikipedia.org%3AAlphaFold&rft.title=AlphaFold+Protein+Structure+Database&rft.description=AlphaFold+Protein+Structure+Database&rft.identifier=https%3A%2F%2Falphafold.ebi.ac.uk%2F">

</li>

<li id="cite_note-8"><a href="#cite_ref-8">↑</a> Ewen Callaway: <cite style="font-style:italic">DeepMind’s AI predicts structures for a vast trove of proteins</cite>. In: <cite style="font-style:italic">Nature</cite>. Band 595, Nr. 7869, 22. Juli 2021, S. 635–635, <a href="Digital_Object_Identifier" title="Digital Object Identifier">doi</a>:<a rel="nofollow" class="external text" href="https://doi.org/10.1038/d41586-021-02025-4">10.1038/d41586-021-02025-4</a> (<a rel="nofollow" class="external text" href="https://www.nature.com/articles/d41586-021-02025-4">nature.com</a> [abgerufen am 30. September 2021]).<span class="Z3988" title="ctx_ver=Z39.88-2004&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Ajournal&rfr_id=info:sid/de.wikipedia.org:AlphaFold&rft.atitle=DeepMind%E2%80%99s+AI+predicts+structures+for+a+vast+trove+of+proteins&rft.au=Ewen+Callaway&rft.date=2021-07-22&rft.doi=10.1038%2Fd41586-021-02025-4&rft.genre=journal&rft.issue=7869&rft.jtitle=Nature&rft.pages=635-635&rft.volume=595" style="display:none">

</li>

<li id="cite_note-9"><a href="#cite_ref-9">↑</a> Language models of protein sequences at the scale of evolution enable accurate structure prediction

Zeming Lin, Halil Akin, Roshan Rao, Brian Hie, Zhongkai Zhu, Wenting Lu, Allan dos Santos Costa, Maryam Fazel-Zarandi, Tom Sercu, Sal Candido, Alexander Rives

</li>

<li id="cite_note-10"><a href="#cite_ref-10">↑</a> <a rel="nofollow" class="external text" href="https://blog.google/technology/ai/google-deepmind-isomorphic-alphafold-3-ai-model/">AlphaFold 3 predicts the structure and interactions of all of life’s molecules.</a> 8. Mai 2024, abgerufen am 10. Mai 2024 (amerikanisches Englisch).<span style="display: none;" class="Z3988" title="ctx_ver=Z39.88-2004&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Adc&rfr_id=info%3Asid%2Fde.wikipedia.org%3AAlphaFold&rft.title=AlphaFold+3+predicts+the+structure+and+interactions+of+all+of+life%E2%80%99s+molecules&rft.description=AlphaFold+3+predicts+the+structure+and+interactions+of+all+of+life%E2%80%99s+molecules&rft.identifier=https%3A%2F%2Fblog.google%2Ftechnology%2Fai%2Fgoogle-deepmind-isomorphic-alphafold-3-ai-model%2F&rft.date=2024-05-08&rft.language=en-us">

</li>

<li id="cite_note-11"><a href="#cite_ref-11">↑</a> <a rel="nofollow" class="external text" href="https://golgi.sandbox.google.com/welcome">AlphaFold Server.</a> Abgerufen am 10. Mai 2024.<span style="display: none;" class="Z3988" title="ctx_ver=Z39.88-2004&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Adc&rfr_id=info%3Asid%2Fde.wikipedia.org%3AAlphaFold&rft.title=AlphaFold+Server&rft.description=AlphaFold+Server&rft.identifier=https%3A%2F%2Fgolgi.sandbox.google.com%2Fwelcome">

</li>

<li id="cite_note-12"><a href="#cite_ref-12">↑</a> <a rel="nofollow" class="external text" href="https://medinfoweb.de/detail.html/ki-modell-alphafold-3-fortschritt-trifft-auf-widerstand-in-der-forschergemeinde.91719">KI-Modell Alphafold 3: Fortschritt trifft auf Widerstand in der Forschergemeinde.</a> 10. Juni 2024, abgerufen am 30. November 2024.<span style="display: none;" class="Z3988" title="ctx_ver=Z39.88-2004&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Adc&rfr_id=info%3Asid%2Fde.wikipedia.org%3AAlphaFold&rft.title=KI-Modell+Alphafold+3%3A+Fortschritt+trifft+auf+Widerstand+in+der+Forschergemeinde&rft.description=KI-Modell+Alphafold+3%3A+Fortschritt+trifft+auf+Widerstand+in+der+Forschergemeinde&rft.identifier=https%3A%2F%2Fmedinfoweb.de%2Fdetail.html%2Fki-modell-alphafold-3-fortschritt-trifft-auf-widerstand-in-der-forschergemeinde.91719&rft.date=2024-06-10&rft.language=de">

</li>

<li id="cite_note-13"><a href="#cite_ref-13">↑</a> Anna Weber, Christian Speicher: <a rel="nofollow" class="external text" href="https://www.nzz.ch/wissenschaft/alphafold-3-die-ki-revolution-in-der-medikamentenentwicklung-ld.1832560">Das KI-Modell Alphafold 3 könnte die Entwicklung neuer Medikamente revolutionieren. Wie es arbeitet, lässt sich nicht überprüfen.</a> In: nzz.ch. 7. Juni 2024, abgerufen am 30. November 2024.<span style="display: none;" class="Z3988" title="ctx_ver=Z39.88-2004&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Adc&rfr_id=info%3Asid%2Fde.wikipedia.org%3AAlphaFold&rft.title=Das+KI-Modell+Alphafold+3+k%C3%B6nnte+die+Entwicklung+neuer+Medikamente+revolutionieren.+Wie+es+arbeitet%2C+l%C3%A4sst+sich+nicht+%C3%BCberpr%C3%BCfen&rft.description=Das+KI-Modell+Alphafold+3+k%C3%B6nnte+die+Entwicklung+neuer+Medikamente+revolutionieren.+Wie+es+arbeitet%2C+l%C3%A4sst+sich+nicht+%C3%BCberpr%C3%BCfen&rft.identifier=https%3A%2F%2Fwww.nzz.ch%2Fwissenschaft%2Falphafold-3-die-ki-revolution-in-der-medikamentenentwicklung-ld.1832560&rft.creator=Anna+Weber%2C+Christian+Speicher&rft.date=2024-06-07&rft.language=de">

</li>

<li id="cite_note-14"><a href="#cite_ref-14">↑</a> Reinhard Kleindl: <a rel="nofollow" class="external text" href="https://www.derstandard.de/story/3000000244734/nobelpreisgekroentes-google-unternehmen-beugt-sich-kritik">Nobelpreisgekröntes Google-Unternehmen beugt sich Kritik und veröffentlicht Quellcode.</a> In: derstandard.de. 13. November 2024, abgerufen am 30. November 2024.<span style="display: none;" class="Z3988" title="ctx_ver=Z39.88-2004&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Adc&rfr_id=info%3Asid%2Fde.wikipedia.org%3AAlphaFold&rft.title=Nobelpreisgekr%C3%B6ntes+Google-Unternehmen+beugt+sich+Kritik+und+ver%C3%B6ffentlicht+Quellcode&rft.description=Nobelpreisgekr%C3%B6ntes+Google-Unternehmen+beugt+sich+Kritik+und+ver%C3%B6ffentlicht+Quellcode&rft.identifier=https%3A%2F%2Fwww.derstandard.de%2Fstory%2F3000000244734%2Fnobelpreisgekroentes-google-unternehmen-beugt-sich-kritik&rft.creator=Reinhard+Kleindl&rft.date=2024-11-13&rft.language=de">

</li>

</ol></div><div><div class="zim-footer">

Dieser Artikel wurde von <a class="external text" title="Zuletzt bearbeitet am 2025-09-15" href="https://de.wikipedia.org/wiki/?title=AlphaFold&oldid=259775541">Wikipedia</a> herausgegeben. Der Text ist unter <a class="external text" href="https://creativecommons.org/licenses/by-sa/4.0/deed.de">Creative Commons Attribution-Share Alike 4.0</a> verfügbar, sofern nicht anders angegeben. Für die Mediendateien können zusätzliche Bedingungen gelten.

</div>

</div></div>

</div>

</main>

</div>

</body></html>