AlphaFold 3 : survendu avec des améliorations limitées
Un récent gros titre a annoncé qu'AlphaFold 3 de DeepMind était révolutionnaire, mais un examen plus approfondi par les principaux laboratoires de biologie suggère le contraire. Malgré l'enthousiasme, AlphaFold 3 semble survendu, avec seulement des améliorations marginales par rapport à AlphaFold 2, et reste loin de remplacer les méthodes traditionnelles comme la microscopie électronique à cryo.
Évaluation initiale
Dans une évaluation préliminaire chez CTOL.digital, nous avons prédit la structure de la protéine MST1 en utilisant AlphaFold3 et l'avons comparée aux données 3COM de la banque de données de structures de protéines RCSB PDB en utilisant PyMOL. Les résultats ont révélé que la structure MST1 prédite par AlphaFold 3 et la structure publiée (PDB : 3COM) étaient mal alignées, avec une valeur RMSD de 14,892 Å sur 934 atomes alignés. Cet écart important indique des différences substantielles entre les deux structures. Notre analyse continue de plusieurs protéines non triviales a également donné des résultats décevants, ce qui a été corroboré par d'autres chercheurs en Chine. Cependant, nous restons ouverts à la possibilité d'une utilisation incorrecte et accueillons les corrections. Indépendamment du résultat du test, la vitesse de génération de structures d'AlphaFold3 a émerveillé l'ensemble de notre laboratoire.
Résultats d'autres laboratoires
D'autres laboratoires ont signalé des résultats tout aussi décevants. Selon les sources, AlphaFold 3 a eu du mal avec les tâches classiques de liaison de STRING et de cGAMP, avec un "score de liaison" faible. Le laboratoire de Nieng a également noté des améliorations minimales en "interaction protéine-protéine" par rapport à la génération précédente. Une autre source a testé la prédiction de la structure de l'ARN et a fait état de résultats insatisfaisants. Bien que les tâches de liaison protéine-ligand aient montré des performances acceptables, elles étaient loin des revendications marketing "magiques".
Fonctionnalité limitée et conditions d'utilisation strictes
Les utilisateurs ont exprimé leur frustration face aux choix de ligands limités dans AlphaFold 3, aggravée par l'interdiction explicite de la recherche future sur l'amarrage moléculaire. L'amarrage moléculaire est essentiel pour traduire les données structurelles en informations fonctionnelles, notamment pour la découverte de médicaments. Des outils largement utilisés comme Glide et AutoDock sont explicitement interdits dans les conditions d'utilisation d'AlphaFold 3.
Analyse : Marketing exagéré des géants de la technologie
Les géants de la technologie survendentde plus en plus leurs solutions d'IA. OpenAI, par exemple, a taquiné pendant des mois de nouveaux outils sans les rendre publics. Face à la pression pour regagner sa domination en IA, le lancement de Gemini par Google et la promotion exagérée d'AlphaFold 3 n'ont pas rapproché l'entreprise de son objectif. Nous reconnaissons le fait que, pour gagner sur le marché financier, il est crucial de raconter une bonne histoire et de capter constamment l'attention du public. Cependant, cela peut aussi créer un atterrissage difficile à venir sur le cours de l'action.
Avis : la véritable valeur d'AlphaFold est discutable dans l'industrie pharmaceutique
AlphaFold prédit la structure des protéines de manière probabiliste. Cependant, dans l'industrie pharmaceutique, une précision au niveau atomique est requise. Seul le temps dira si AlphaFold3 est vraiment précieux dans les industries.