AI на DeepMind "осветява почти цялата протеинова вселена"

Определянето на 3D структурата на протеин, което преди отнемаше много месеци или години, сега отнема секунди

от Иван Гайдаров

1 август 2022 10:42 1181 прочитания

В края на 2020 г. подразделението за разработка на изкуствен интелект (AI) на Alphabet - DeepMind, разкри своя нов алгоритъм за прогнозиране на процеса на сгъване на протеини (физическият процес, чрез който протеиновата верига се транслира в нейната естествена триизмерна структура, чрез която протеинът става биологично функционален). Тогава AlphaFold помогна за разрешаването на научен проблем, който объркваше изследователите в продължение на половин век. Година след представянето на бета версията половин милион учени от цял свят са имали достъп до резултатите от AI системата и са ги цитирали в собствените си проучвания повече от 4000 пъти.

Сега от DeepMind увеличават този достъп чрез радикално разширяване на своята публично достъпна база данни за структурата на протеините AlphaFold (AlphaFoldDB) от 1 милион на 200 милиона записа.

Alphabet си партнира в това начинание с Европейския институт по биоинформатика към Европейска лаборатория по молекулярна биология (EMBL-EBI). То обхваща протеини от всички видове живи същества, в това число животни, растения, гъби, бактерии и други. Резултатите могат да се видят на интеренет страниците на UniProt, Ensembl и OpenTargets или да се изтеглят през GitHub, като се използват за разбиране на "човешкия протеом и протеомите на 47 други ключови организми, важни за научните изследвания и глобалното здраве", се казва на уебсайта на AlphaFold.

"AlphaFold е уникалният и важен напредък в науката за живота, който демонстрира силата на AI", коментира Ерик Топол, основател и директор на Scripps Research Translational Institute. "Определянето на 3D структурата на протеин, което преди отнемаше много месеци или години, сега отнема секунди. AlphaFold вече даде възможност за сериозни открития и ускори техните темпове. С това добавяне на структури, осветяващи почти цялата протеинова вселена, можем да очакваме повече биологични мистерии да бъдат разрешавани всеки ден."

Алгоритъмът AlphaFold е използван в редица посоки - от изследванията на проказата и болестта на Шагас до опазването на медоносните пчели и справянето със замърсяването с пластмаси.

AI катализира развитието на науките за живота

Според Deloitte науките за живота са сферата, в която най-ясно проличава, че човечеството се намира в епоха, в която не се конкурира с възможностите на AI, а ги развива и използва в своя полза.

"В тази сфера дигиталната трансформация, активирана от AI и машинно обучение, засяга почти всеки аспект от веригата на стойността и ни доближава до здравните възможности на бъдещето. Прилагането на AI към големи данни в науките за живота може да помогне на компаниите да променят бизнес моделите си, да рационализират производството на биофармацевтични продукти и да подобрят всичко - от когнитивни изследвания на молекули и поток от данни от клинични изпитвания до самовъзстановяващи се приложения на веригата за доставки и продуктова интелигентност. Това може също така да позволи на компаниите в областта на науките за живота да бъдат по-персонализирани и автентични в начина, по който се ангажират със здравни специалисти, пациенти и други заинтересовани страни", обясняват от компанията и добавят, че когато използва AI, фармацевтичната индустрия може да извлича по-бързо прозрения от масивни набори от дaнни, да обработва информация и да автоматизира работните процеси по-ефективно, преобразувайки прозренията в действия за подобряване на бизнес ефективността.

По отношение на научноизследователската и развойната дейност, прилагането на науката за данните и машинното обучение към масивни набори информация би позволило значително по-бързото откриване на нови молекули. Според Delotte AI може да прави кръстосани препратки към публикувана научна литература с алтернативни източници на информация, включително информация от клинични изпитвания, резюмета на конференции, публични бази данни и непубликувани такива, за да изведе нови прозрения.

"В същото време, когато се използва за автоматизиране на клинични изпитвания, AI може значително да намали времето за тях, както и разходите, като същевременно подобри резултатите. AI алгоритмите, съчетани с ефективна цифрова инфраструктура, могат също да гарантират непрекъснатите потоци от данни от клинични изпитвания да бъдат почиствани, обобщавани, кодирани, съхранявани и управлявани", обясняват анализаторите.

Изкуственият интелект може да играе сериозна роля още в сфери като интелигентно производство и доставка на медикаменти и устройства, маркетинг и продажби и, разбира се, киберсигурност, без която вече няма бизнес сектор, който може да се развива устойчиво.