Highly accurate protein structure prediction with AlphaFold
| Highly accurate protein structure prediction with AlphaFold | |
|---|---|
| Data | 2020 |
| Autori | J. Jumper, Richard Evans, A. Pritzel, Tim Green, Michael Figurnov, O. Ronneberger, Kathryn Tunyasuvunakool, Russ Bates, Augustin Žídek, Anna Potapenko, Alex Bridgland, Clemens Meyer, Simon A A Kohl, Andy Ballard, A. Cowie, Bernardino Romera-Paredes, Stanislav Nikolov, Rishub Jain, J. Adler, T. Back, Stig Petersen, D. Reiman, Ellen Clancy, Michal Zielinski, Martin Steinegger, Michalina Pacholska, Tamas Berghammer, S. Bodenstein, David Silver, O. Vinyals, A. Senior, K. Kavukcuoglu, Pushmeet Kohli, D. Hassabis |
| URL | https://www.semanticscholar.org/paper/dc32a984b651256a8ec282be52310e6bd33d9815 |
| Topic | Predizione della struttura delle proteine |
| Citazioni | 22112 |
Questo articolo descrive AlphaFold, un sistema di intelligenza artificiale sviluppato da DeepMind per predire la struttura tridimensionale delle proteine con un alto grado di accuratezza. AlphaFold ha ottenuto risultati rivoluzionari nel campo della biologia strutturale, superando le prestazioni di altri metodi computazionali e avvicinandosi alla precisione dei metodi sperimentali. Questo strumento ha il potenziale di accelerare significativamente la ricerca in diversi ambiti, come la progettazione di farmaci e la comprensione delle malattie.