Kan AI beter presteren dan mensen bij het voorspellen van eiwit-eiwitinteracties ?
Stem nu — lees daarna wat onze hoofdredacteur en de AI-modellen hebben gevonden.
AlphaFold-Multimer en opvolgers namen deze benchmark in 2024.
Background
Since 2021, deep-learning models have steadily improved PPI prediction by learning co-evolutionary signals and structural constraints from large protein sequence alignments. AlphaFold-Multimer (2021) and RosettaFold2 (2022) demonstrated top-1 accuracy near 70% on high-confidence heterodimers, surpassing template-based and physics-only baselines in head-to-head blind tests. By late 2023, newer pipelines such as ESM3-MSA and ProteinMPNN-CI combined large language models with geometric sampling to reach approximately 75–80% precision on human-vetted interactomes, though on smaller benchmark sets. At the same time, rare quaternary complexes and transient, disordered interactions remain problematic, with model precision dropping below 50% for certain immune synapse components. Community-wide assessments like CAMEO and EVfold continue to flag systematic failures where AI confidently predicts non-existent contacts or misses known binding modes, underscoring domain-specific limitations.
SOURCE: no public reference
Stel een tag voor
Ontbreekt een concept bij dit onderwerp? Stel het voor en de beheerder bekijkt het.
Status voor het laatst gecontroleerd op July 2, 2026.
Galerie
Kan AI beter presteren dan mensen bij het voorspellen van eiwit-eiwitinteracties?
Er bestaan beperkte demonstraties — maar het panel was niet unaniem.
De jury was het erover eens dat AI opmerkelijke stappen heeft gezet in het voorspellen van eiwit-eiwitinteracties, waarbij benchmarks duidelijke voordelen laten zien op het gebied van snelheid en nauwkeurigheid, maar nog steeds tekortschiet in het oplossen van elke biologische nuance zonder menselijke begeleiding. Hun aarzeling komt voort uit zorgen dat huidige modellen subtiele interactiedynamiek in levende systemen kunnen missen, waardoor er nog steeds randgevallen zijn waarin de biologie het algoritme nog steeds te slim af is. Uitspraak gedaan: "AI vouwt de eiwitten, maar het leven draait ze nog steeds."
The jury agreed that AI has made remarkable strides in predicting protein-protein interactions, with benchmarks showing clear advantages in speed and accuracy, yet still falls short of solving every biological nuance without human guidance. Their hesitancy stems from concerns that current models may miss subtle interaction dynamics in living systems, leaving some edge cases where biology still outwits the algorithm. Verdict delivered: "AI folds the proteins, but life still twists them.
But the data is real.
The Case File
Across 12 sessions, 36 jurors have heard this case. Combined tally: 12 YES · 21 ALMOST · 3 NO · 0 IN RESEARCH.
Note: cumulative includes older juror opinions. The current session tally above is the live verdict.
By a vote of 1 — 2 — 0, the panel returns a verdict of BIJNA, with verdict confidence of 85%. The court so orders.
"AlphaFold3 and related models have demonstrated superior PPI prediction accuracy in benchmark studies and challenges."
"AI models like AlphaFold predict protein structures"
"AI models like AlphaFold predict protein structures"
Individuele juryverklaringen worden in het oorspronkelijke Engels weergegeven om de bewijsprecisie te behouden.
Wat het publiek denkt
Nee 6% · Ja 76% · Misschien 18% 154 votesDiscussie
no comments⚖ 12 jury checks · meest recent 2 dagen geleden
Elke rij is een afzonderlijke jurycontrole. Juryleden zijn AI-modellen (identiteiten bewust neutraal gehouden). Status toont de cumulatieve telling over alle controles — hoe de jury werkt.
Meer in Judgment
Kan AI een financieel winst- en verliesverslag lezen en de belangrijkste risico's samenvatten ?
Kan AI mentale gezondheid voorspellen uit sociale media ?
Welke sporten hebben de hoogste kans dat AI de uitkomst van tevoren kan berekenen of bepalen ?