Ny AI-modell förbättrar noggrannheten i proteinstruktursprognoser
Forskare vid University of California, Berkeley, har presenterat en avancerad AI-modell som förutsäger proteinstrukturer med en enastående noggrannhet på 99 procent. Genombrottet, som beskrivs i en studie publicerad i Nature, kan påskynda läkemedelsupptäckt och personlig medicin. Huvudforskaren Dr. Jane Smith beskrev det som en 'game-changer' för bioteknik.
Den 1 oktober 2025 meddelade ett team ledd av Dr. Jane Smith från University of California, Berkeley, ett betydande framsteg inom beräkningsbiologi. Deras nya AI-modell, kallad ProFold-X, uppnår 99 procents noggrannhet vid förutsägelse av tredimensionella proteinstrukturer, och överträffar tidigare metoder som AlphaFold som toppade på cirka 90 procent för komplexa fall.
Forskningen, som publicerades i tidskriften Nature samma dag, involverade träning av modellen på en datamängd med över 1 miljon proteinprover från olika organismer. 'Detta är en game-changer för läkemedelsupptäckt', sa Dr. Smith i ett uttalande. 'Genom att exakt modellera hur proteiner veckas kan vi bättre förstå sjukdomar på molekylär nivå och designa riktade terapier snabbare.'
Proteinveckning har länge varit en central utmaning inom biologi, eftersom felviktade proteiner är inblandade i tillstånd som Alzheimers och cancer. Traditionella experimentella metoder, som röntgenkristallografi, är tidskrävande och kostsamma, och tar ofta år. ProFold-X använder djupinlärningsalgoritmer förbättrade med kvant-inspirerad databehandling för att simulera veckningsdynamik på timmar.
Studiens tidslinje började i början av 2024, när Berkeley-teamet säkrade finansiering från National Institutes of Health. Initiala prototyper testades på referensdatamängder från Protein Data Bank, vilket visade förbättringar i prediktionshastighet med 40 procent. Validering kom från samarbeten med läkemedelsföretag, där modellen framgångsrikt förutsåg strukturer för 95 procent av nya läkemedelsmål.
Även om tekniken lovar gott noterar experter begränsningar. Dr. Alex Rivera, biofysiker vid Stanford University som inte var involverad i studien, kommenterade: 'Modellens prestanda på sällsynta proteiner återstår att testas fullt ut i verkliga tillämpningar.' Inga större motsägelser framträder i rapporteringen, även om pågående peer review kan förfina dessa noggrannhetssiffror.
Denna utveckling bygger på tidigare AI-framgångar inom fältet och kan potentiellt sänka trösklarna för mindre forskningslaboratorier. Implikationerna sträcker sig till jordbruk och miljövetenskap, där proteingenetik kan förbättra grödors motståndskraft eller biobränsleproduktion. Den öppna källkodsutgåvan av ProFold-X planeras till början av 2026, och inbjuder till globalt samarbete.