<a href="https://www.stork.ai/en/alphafold-2" target="_blank" rel="noopener noreferrer"><img src="https://www.stork.ai/api/badge/alphafold-2?style=dark" alt="AlphaFold 2 - Featured on Stork.ai" height="36" /></a>

Markdown

[![AlphaFold 2 - Featured on Stork.ai](https://www.stork.ai/api/badge/alphafold-2?style=dark)](https://www.stork.ai/en/alphafold-2)

overview

AlphaFold 2란 무엇인가요?

AlphaFold 2는 Google DeepMind가 개발한 머신러닝 모델로, 과학자와 연구자들이 아미노산 서열로부터 단백질의 3차원(3D) 구조를 예측할 수 있도록 합니다. 이 시스템은 단백질 구조 예측에서 거의 원자 수준의 정확도를 달성하여 구조 생물학 및 신약 개발 연구를 가속화했습니다. 이 프로그램은 신경망을 활용하여 아미노산 입력으로부터 3D 원자 좌표 모델을 생성합니다. 2020년 CASP14(Critical Assessment of protein Structure Prediction)에서 90을 초과하는 중간 GDT(global distance test) 점수를 달성한 성능에서 알 수 있듯이, 그 개발은 해당 분야에서 중요한 진전을 이루었습니다. AlphaFold 2는 2억 개 이상의 단백질 구조를 예측하는 데 중요한 역할을 했으며, 이 구조들은 Google DeepMind와 EMBL-EBI의 협력으로 AlphaFold Protein Structure Database를 통해 공개적으로 접근 가능합니다.

quick facts

빠른 사실

속성	값
개발사	DeepMind (Google DeepMind)
비즈니스 모델	Freemium / 오픈 소스 코어
가격	무료 (AlphaFold Protein Structure Database); 학술용 무료 (AlphaFold 2 코드); 제한적 라이선스 학술용 무료 (AlphaFold 3 코드); Isomorphic Labs를 통한 상업적 접근
플랫폼	웹 (AlphaFold Protein Structure Database), 로컬 배포 (오픈 소스 코드)
API 사용 가능	예 (상업적 사용을 위한 Isomorphic Labs 또는 로컬 배포를 통해)
설립	DeepMind (2010), AlphaFold 2 획기적 발전 (2020)
본사	런던, 영국

features

AlphaFold 2의 주요 기능

AlphaFold 2는 고정밀 분자 구조 예측을 중심으로 한 일련의 기능을 제공하며, 생물학 연구 및 신약 개발에 상당한 영향을 미칩니다.

1CASP14에서 90이 넘는 중간 GDT 점수로 거의 원자 수준의 해상도를 달성하는 고정밀 단백질 구조 예측.
2단백질 및 DNA, RNA, 다양한 리간드를 포함한 기타 생체 분자의 3D 구조 예측 (AlphaFold 3로 확장됨).
3단백질, DNA, RNA 및 리간드 간의 상호작용 예측, 세포 기능 이해에 필수적 (AlphaFold 3).
4AlphaFold Protein Structure Database를 통해 2억 개 이상의 예측된 단백질 구조에 대한 공개 접근.
5로컬 신뢰도 측정 지표(pLDDT)를 통한 본질적 무질서 영역(IDRs) 식별.
6X선 결정학 및 cryo-EM과 같은 방법에 귀중한 시작점을 제공하여 실험적 구조 결정을 용이하게 합니다.
7이전에 특성이 규명되지 않은 단백질의 구조를 제공하여 신약 개발에서 표적 식별 및 검증을 가속화합니다.
8향상된 구조 기반 신약 설계를 지원하여 보다 정밀한 가상 스크리닝 및 합리적인 화합물 설계를 가능하게 합니다.

use cases

누가 AlphaFold 2를 사용해야 할까요?

AlphaFold 2는 주로 과학 및 연구 커뮤니티에서 분자 생물학에 대한 이해를 증진하고 치료제 개발을 가속화하기 위해 활용됩니다.

1과학자: 질병 메커니즘, 특히 단백질 오접힘(예: Alzheimer's, Parkinson's)과 관련된 질병 메커니즘을 이해하고 기초 생물학 연구를 발전시키기 위해.
2연구자: 표적 식별 및 검증을 위한 정확한 단백질 구조를 제공하여 신약 발견 및 개발 프로세스를 가속화하기 위해.
3생명공학자: 병원성 단백질 및 숙주-병원체 상호작용의 구조를 밝혀 새로운 치료법 및 백신을 개발하기 위해.
4구조 생물학자: 실험적 구조 결정을 용이하게 하고, cryo-EM 및 NMR spectroscopy와 같은 기술에서 얻은 저해상도 데이터 해석을 돕기 위해.
5제약 회사: 향상된 구조 기반 신약 설계를 통해 더 나은 결합 친화도를 가진 보다 정밀한 가상 스크리닝 및 합리적인 화합물 설계를 가능하게 하기 위해.

pricing

AlphaFold 2 가격 및 플랜

AlphaFold 2는 핵심 데이터 및 학술 코드 접근이 직접적인 비용 없이 제공되는 프리미엄 모델로 운영되며, 상업적 애플리케이션은 전담 법인을 통해 이루어집니다.

1AlphaFold Protein Structure Database: Google DeepMind와 EMBL-EBI의 협력으로 2억 개 이상의 예측된 단백질 구조에 대한 무료 접근이 제공됩니다.
2AlphaFold 2 (코드): AlphaFold 2의 소스 코드는 오픈 소스이며 학술 및 비상업적 연구 목적으로 무료로 제공됩니다.
3AlphaFold 3 (코드): AlphaFold 3의 소스 코드는 2024년 11월에 학술용으로 출시되었지만, AlphaFold 2에 비해 제한적인 라이선스를 가집니다.
4상업적 사용: AlphaFold의 기능, 특히 신약 발견 및 개발을 위한 상업적 접근은 Google DeepMind의 스핀오프인 Isomorphic Labs를 통해 제공됩니다.

competitors

AlphaFold 2 대 경쟁사

AlphaFold 2는 2020년 CASP14 경쟁에서 다른 모든 알고리즘을 크게 능가하며 단백질 구조 예측의 새로운 기준을 세웠습니다. 그러나 정확도, 속도 및 라이선스 측면에서 다양한 절충점을 제공하는 여러 대안이 등장했습니다.

1AlphaFold 2 대 RoseTTAFold: AlphaFold 2는 CASP14에서 우수한 정확도를 보였으며, Baker Lab이 개발한 RoseTTAFold는 3트랙 신경망을 사용하여 유사한 정확도를 제공하고 MIT License 하에 코드를 제공하지만, 훈련된 가중치는 비상업적 용도입니다.
2AlphaFold 2 대 ESMFold (Meta AI): AlphaFold 2는 일반적으로 복잡한 단백질 구조에 대해 더 높은 정확도를 제공하는 반면, 단백질 언어 모델을 활용하는 ESMFold는 특히 단일 서열로부터의 예측에 있어 훨씬 빠르고 효율적이라는 점이 특징입니다.
3AlphaFold 2 대 OpenFold: AlphaFold 2는 DeepMind의 원래 구현이며, OpenFold는 AlphaFold 2의 정확도에 필적하도록 처음부터 구축된 빠르고 메모리 효율적이며 완전히 훈련 가능한 오픈 소스 재구현으로, 연구자에게 투명성과 사용자 정의 가능성을 제공합니다.

❓

Frequently Asked Questions

+AlphaFold 2란 무엇인가요?

AlphaFold 2는 Google DeepMind가 개발한 머신러닝 모델로, 과학자와 연구자들이 아미노산 서열로부터 단백질의 3차원(3D) 구조를 예측할 수 있도록 합니다. 이 시스템은 단백질 구조 예측에서 거의 원자 수준의 정확도를 달성하여 구조 생물학 및 신약 개발 연구를 가속화했습니다.

+AlphaFold 2는 무료인가요?

네, 2억 개 이상의 예측된 단백질 구조를 포함하는 AlphaFold Protein Structure Database는 무료로 접근 가능합니다. AlphaFold 2의 소스 코드는 학술 및 비상업적 연구를 위해 오픈 소스입니다. AlphaFold 3의 코드 또한 제한적인 라이선스로 학술용으로 오픈 소스입니다. AlphaFold 기능에 대한 상업적 접근은 Isomorphic Labs를 통해 제공됩니다.

+AlphaFold 2의 주요 기능은 무엇인가요?

AlphaFold 2의 주요 기능은 고정밀 3D 단백질 구조 예측, DNA, RNA 및 리간드와의 상호작용 예측 (AlphaFold 3), 데이터베이스를 통한 2억 개 이상의 예측 구조에 대한 공개 접근, 그리고 본질적 무질서 영역을 식별하는 능력입니다. 이는 신약 발견 및 실험적 구조 결정에 크게 기여합니다.

+누가 AlphaFold 2를 사용해야 할까요?

AlphaFold 2는 주로 과학자, 연구자, 생명공학자 및 구조 생물학자를 대상으로 합니다. 그 응용 분야는 질병 메커니즘 이해, 신약 발견 가속화, 새로운 치료법 및 백신 개발, 학술 및 제약 환경에서의 실험적 구조 결정을 용이하게 하는 것을 포함합니다.

+AlphaFold 2는 대안들과 어떻게 비교되나요?

AlphaFold 2는 CASP14에서 정확도에 대한 새로운 기준을 세웠습니다. RoseTTAFold와 비교할 때, AlphaFold 2는 일반적으로 더 높은 정확도를 제공하며, RoseTTAFold는 MIT 라이선스 코드로 유사한 결과를 제공합니다. ESMFold (Meta AI)는 단일 서열로부터의 예측 속도가 훨씬 빠르다는 점이 특징이며, OpenFold는 AlphaFold 2의 정확도에 필적하고 더 큰 투명성을 제공하도록 설계된 오픈 소스 재구현입니다.