AI на DeepMind "осветява почти цялата протеинова вселена"

AI на DeepMind "осветява почти цялата протеинова вселена"

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

Иван Гайдаров
603 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.

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.

С използването на сайта вие приемате, че използваме „бисквитки" за подобряване на преживяването, персонализиране на съдържанието и рекламите, и анализиране на трафика. Вижте нашата политика за бисквитките и декларацията за поверителност. ОК