Command Palette
Search for a command to run...
برنامج تعليمي عبر الإنترنت | فريق ديفيد بيكر يفتح المصدر المفتوح لبرنامج RFdiffusion3، محققًا بذلك طفرة توليدية في تصميم البروتين الذري الكامل.
شهدت السنوات الأخيرة تقدماً ملحوظاً في تصميم بروتينات وظيفية جديدة باستخدام أساليب التعلم العميق التوليدي. حالياً، تستخدم معظم هذه الأساليب، بما في ذلك RFdiffusion (RFD1) وBindCraft، تمثيل البروتين على مستوى بقايا الأحماض الأمينية، وقد نجحت في تصميم وحدات البروتين الأحادية، والتجمعات البروتينية، وأنظمة تفاعل البروتين-بروتين. مع ذلك، لا تزال دقتها غير كافية لتصميم هياكل تتفاعل بشكل دقيق مع مكونات غير بروتينية (مثل جزيئات الربط الصغيرة والأحماض النووية) من خلال تفاعلات السلاسل الجانبية.
في حين أن RFdiffusion2 (RFD2) قد تغلب على هذا القيد إلى حد ما، إلا أن عملية الانتشار الخاصة به لا تزال محدودة على مستوى البقايا، ومن الصعب توسيعها أكثر لتشكيل تفاعلات سلسلة جانبية إضافية مع مكونات غير بروتينية.تشير الأبحاث الحالية إلى أنه يمكن استخدام عمليات الانتشار على المستوى الذري لتوليد الهياكل الأساسية للبروتين ويمكن توسيعها لتشمل نمذجة السلاسل الجانبية، لكن هذه المحاولات لم تحقق بعد نمذجة فعالة للتفاعلات بين المكونات غير البروتينية.
وبناء على هذا،قام فريق الحائز على جائزة نوبل ديفيد بيكر بتطوير RFdiffusion3 (RFD3)، والذي يمكنه توليد التكوينات ثلاثية الأبعاد للبروتينات في هياكل تتكون من الروابط والأحماض النووية وذرات أخرى غير بروتينية.نظرًا لأن هذا النموذج يُحاكي جميع ذرات البوليمر بشكل صريح، فإنه يستطيع التعامل مع القيود المعقدة على المستوى الذري بسهولة وكفاءة أكبر في مهام مثل تصميم الإنزيمات. كما أن بنية RFD3 الأصلية التي تُحاكي جميع الذرات تُبسط بشكل كبير تحديد القيود على المستوى الذري، مما يوفر تحكمًا دقيقًا في الروابط الهيدروجينية، وتفاعلات الليجاندات، وتفاعلات الأحماض النووية.
على عكس AlphaFold3 (AF3)، الذي يعتمد على وحدة Pairformer كثيفة الحساب لاستخراج معلومات مثل المسافة من تسلسل الإدخال، قام فريق البحث بتصميم وحدة استخراج معلومات أخف وزنًا.يُمكّن هذا خوارزمية RFD3 من تقليل عدد الطبقات في مُشكّل الزوج (Pairformer) بشكلٍ كبير من 48 إلى طبقتين فقط، مما يُقلل بشكلٍ ملحوظ من العبء الحسابي. يحتوي النموذج النهائي على 168 مليون مُعامل قابل للتدريب فقط.أثبت فريق البحث قابلية تطبيق RFD3 على نطاق واسع من خلال تصميم وتوصيف البروتينات الرابطة للحمض النووي والهيدرولازات السيستينية تجريبياً. يستطيع RFD3 توليد هياكل بروتينية بسرعة، مسترشداً بقيود معقدة على المستوى الذري، استناداً إلى أي بيئة ذرية غير بروتينية، مما سيوسع نطاق الوظائف التي يمكن أن يحققها تصميم البروتينات.
يتوفر الآن برنامج "RFdiffusion3: Protein Design Model" على موقع HyperAI الإلكتروني (hyper.ai) في قسم "الدروس التعليمية". حمّله وجرّبه بنقرة واحدة!
احتفالاً بالعام الجديد، تقدم شركة HyperAI مزايا قوة الحوسبة للجميع.يمكن للمستخدمين الجدد الحصول على ساعتين من رصيد NVIDIA باستخدام رمز الاسترداد "2026 Happy New Year" بعد التسجيل. GeForce RTX 5090 مدة الاستخدام،كميات محدودة متوفرة، احصل على مزايا عطلتك الآن!
رابط البرنامج التعليمي:
تشغيل تجريبي
١. بعد الدخول إلى الصفحة الرئيسية لموقع hyper.ai، اختر "RFdiffusion3: Protein Design Model"، أو انتقل إلى صفحة "الدروس التعليمية" لاختياره. ثم انقر على "تشغيل هذا الدرس التعليمي عبر الإنترنت".
2. بعد إعادة توجيه الصفحة، انقر فوق "استنساخ" في الزاوية اليمنى العليا لاستنساخ البرنامج التعليمي في الحاوية الخاصة بك.
ملاحظة: يمكنك تبديل اللغات في الزاوية العلوية اليمنى من الصفحة. حاليًا، اللغتان الصينية والإنجليزية متاحتان. سيوضح هذا البرنامج التعليمي الخطوات باللغة الإنجليزية.
3. حدد صورتي "NVIDIA GeForce RTX 5090" و"PyTorch"، ثم اختر "الدفع حسب الاستخدام" أو "الخطة اليومية/الخطة الأسبوعية/الخطة الشهرية" حسب الحاجة، ثم انقر فوق "متابعة تنفيذ المهمة".
تقدم HyperAI مكافأة تسجيل للمستخدمين الجدد: مقابل $1 فقط، يمكنك الحصول على 20 ساعة من قوة الحوسبة RTX 5090 (بسعر أصلي $7)، والموارد صالحة إلى أجل غير مسمى.
4. انتظر حتى يتم تخصيص الموارد. بمجرد أن تتغير الحالة إلى "قيد التشغيل"، انقر فوق "فتح مساحة العمل" للدخول إلى مساحة عمل Jupyter.
عرض التأثير
بعد إعادة توجيه الصفحة، انقر على صفحة README على اليسار، ثم انقر فوق تشغيل في الأعلى.
بعد انتظار قصير، قم بالتمرير لأسفل لعرض نتائج التنبؤ الهيكلي من RFD3.
ما سبق هو البرنامج التعليمي الذي توصي به HyperAI هذه المرة. الجميع مدعوون للحضور وتجربته!
رابط البرنامج التعليمي:
