Google DeepMind разкрива AI модел за живи клетки

Гугъл DeepMind разкри модел с изкуствен интелект на градивните детайли на живота и техните взаимоотношения в клетките, засилвайки напъните за отключване на тайните на заболяванията и намиране на лекувания за положения като рак.

AlphaFold 3, третото потомство технология, в началото създадена през 2018 година, дава най-усъвършенстваните прогнози за това по какъв начин наподобяват и се смесват дребните биологични структури, съгласно публикация, оповестена в Nature в сряда.

Моделът, създаден взаимно с Isomorphic Labs за разкриване на медикаменти на DeepMind, е най-новата забележителност в устрема да се приложи предсказващата мощ на AI за възстановяване на разбирането на дребните механизми на живота и по какъв начин те се объркват.

“ Биологията е динамична система и би трябвало да разберете по какъв начин свойствата на биологията се появяват посредством взаимоотношението сред разнообразни молекули в клетките “, сподели сър Демис Хасабис, основен изпълнителен шеф и съосновател на DeepMind. „ И можете да мислите за AlphaFold 3 като за първата ни огромна стъпка към това. “

Технологичната актуализация уголемява биологичния си обхват оттатък оценените преди този момент протеини, предлагайки по-богат взор върху биохимичните мрежи, които вършат организмите функционалност. Моделът обгръща генетичния код ДНК и РНК, както и лиганди - молекули, които се свързват с други и могат да бъдат значими маркери на заболяване.

Възможностите на AlphaFold 3 разкриват нови благоприятни условия за откривателите за бързо идентифициране на евентуални нови лекарствени молекули, сподели Макс Джадерберг, основен AI офицер на Isomorphic Labs. Isomorphic Labs има партньорства с фармацевтичните компании Eli Lilly и Novartis.

„ Това разрешава на нашите учени, нашите дизайнери на медикаменти, да основават и тестват хипотези на атомно равнище и по-късно за секунди да създават извънредно точни структурни прогнози с AlphaFold 3 ", сподели Джадерберг. „ Това се съпоставя с месеците или даже годините, които може да са нужни, с цел да се направи това пробно. “

AlphaFold 3 показва „ доста усъвършенствана “ акуратност на прогнозиране спрямо доста съществуващи профилирани принадлежности, в това число тези, основани на личните му прародители, отчетът споделя. Това демонстрира, че създаването на верните рамки за задълбочено образование на AI може доста да понижи количеството данни, нужни за приемане на „ биологично съответстваща продуктивност “, прибавя проучването.

„ Виждаме в действителност невероятни усъвършенствания, които считаме, че вървят с цел да отключите доста нови науки, ” сподели Джон Джъмпър, началник на екипа AlphaFold на DeepMind, който цитира капацитета на техниката за възстановяване на знанията за растителната биология и по този метод за продоволствената сигурност. „ Вече започваме да виждаме биолози и ранни тестери да употребяват това, с цел да схванат по какъв начин работи клетката – и да стартират да мислят по какъв начин може да се обърка, когато е в болестно положение. “

Молекулите, които AlphaFold 3 допуска, ще към момента би трябвало да бъдат валидирани пробно и да преминат през естествения развой на клинични изпитвания. DeepMind споделя, че прави по-голямата част от функционалността на AlphaFold 3 налична посредством сървър, който ще бъде безвъзмезден за достъп за университетски некомерсиални консуматори.

Проучване на Boston Consulting Group, оповестено тази седмица, допуска, че медикаментите, открити от AI, имат по-висок % на триумф в ранните стадии на тествания, в сравнение с тези, открити с други способи. Предупреждавайки, че данните са ранен разбор на успеваемостта на технологията при откриването на медикаменти, откривателите споделиха, че AI може да удвои продуктивността на фармацевтичните проучвания и разработки.

Сървърът дава обещание да промени метода, по който хората вършат опити, сподели Жулиен Бержерон, систематичен биолог в Кралския лицей в Лондон, който не е взел участие в създаването на AlphaFold 3, само че е бил тестов консуматор на него.

„ Можем да стартираме да тестваме хипотези, преди даже да отидем в лабораторията “, сподели той. „ Това в действителност ще бъде трансформиращо. “

Ограниченията на AlphaFold 3 включват компликации при цялостно справяне с хирални — или огледални — молекули, както и „ халюцинации “ на „ подправен систематичен ред “ в области, които в действителност са смутен. Едно средство, което моделът употребява, е да присвои ограничения за доверие на прогнозите, с цел да отрази вероятността от неточност.

С спомагателен репортаж от Иън Джонстън