Kemikaalne Nobeli auhind Alphafoldi AI arendajatele valgustruktuuride ennustamiseks
Kemikaalne Nobeli auhind Alphafoldi AI arendajatele valgustruktuuride ennustamiseks
Esmakordselt - ja kindlasti mitte viimast korda - teaduslik läbimurre, mille tehisintellekt sai võimalikuks, pälvis Nobeli preemia. Google DeepMind andis Londonis Google DeepMind John Jumperile ja Demis Hassabis välja murranguliste Ki-Tools valgustruktuuride prognoosimiseks Alphafold , samuti Washingtoni ülikoolist David Baker Seattle'i töökoha jaoks tema töökohal. "https://www.nature.com/articles/d41586-02947-7" Data-Track = "klõpsake nuppu" Data-Label = "https://www.nature.com/articles/d41586-02947-7" Data Track Cattern = "Kere teksti link" oli revolutsioonis.
Alphafoldi mõjud,
"See oli pikka aega unistus, kui suutis ennustada nende aminohapete järjestuste põhjal kolmemõõtmelist valkude struktuuri. Seda peeti aastakümneteks võimatuks," ütles Rootsi Lundi ülikooli Nobeli komitee ja Nanosh Science'i esimees Heiner Linke. Selle aasta auhinna võitjad "purustasid koodi", lisas ta. Kolmel võitjal on 11 miljonit Rootsi krooni (miljon dollarit). DeepMind esitas Alphafold 2018, kui valkude struktuuride konkurents, valkude struktuuri ennustamise kriitiline hindamine (CASP), võitis iga kahe aasta tagant. Kuid see oli sügava neuronaalse võrgu teine versioon, See käivitas eluteaduste maavärina.
Paljud Alphafold2 ennustused CASP -is olid nii täpsed, et neid ei saanud eristada eksperimentaalselt määratud valgustruktuuridest. Selle põhjuseks oli College Parki Marylandi ülikooli CASP kaasasutaja John Moult, aastal 2020, et selgitada, et "probleem on mingil moel lahendatud". Hassabis, kaasasutaja ja tegevjuht Von DeepMind ning Alphafoldi meeskonna juht Jumper juhtisid Alphafold2 arengut. Valgustruktuuride ennustamiseks integreerib närvivõrk andmebaasidest sarnaseid struktuure sadade tuhandete eksperimentaalselt määratud struktuuride ja miljonite seotud valkude järjestustega - sisaldavad teavet nende vormide kohta. Aastal 2021, DeepMind koos mudeli koolitamiseks vajalike andmetega. A sisaldab nüüd kõigi geneetiliste andmebaaside esindatud organismide struktuure https://www.nature.com/articles/d41586-01385-x "Data-Track =" klõpsake "Data-Label =" https://www.nature.com/artics/d41586-01385-x "Data Track Cancy =" Kolmanda versioon ALPAF-iga. valgud, näiteks ravimid. Revolutsioon, et hüppaja, Hassabis ja tema kolleegid lahti lastud on alles alguses ning tähed teaduse täielikud mõjud võivad olla teada ainult aastate jooksul. Kuid tööriist aitab juba teadlastel uusi teadmisi saada. Pioneerimismeeskond kasutas tööriista koos eksperimentaalsete andmetega kaardistamiseks, üks meie rakkude suurimaid masinaid, raku tuumas olevad molekulid. Eelmisel aastal analüüsisid kaks meeskonda kogu AlphaFoldi andmebaasi, et avastada valgu universumi sügavaimaid nurki, tuvastasid uued valguperekonnad ja voldid, samuti üllatavad ühendused elu masinas. Paljud teadlased loodavad, et Alphafold ja muud sellest inspireerinud AI -tööriistad muudavad meditsiini. Kuid see on Looge uusi valke
Rohkem kui kümme aastat enne seda, kui DeepMind hakkas töötama Alphafoldiga, töötas Seattle'is Washingtoni ülikoolist pärit arvutipõhine biofüüsik David Baker ja tema kolleegid välja tarkvarariistad valgustruktuuride modelleerimiseks füüsilistel põhimõtetel ja neid nimetatakse Rosettaks. Tööriistal olid varased õnnestumised
Aastate jooksul otsustas Bakeri meeskond Rosetta prognoosida valgustruktuure-see oli üks parimaid osalejaid arvukates CASP-des enne Alphafoldi hiljutist domineerimist-nagu ka uute valkude, näiteks ensüümide ja iseenda valkude nanoosakeste kujundamist. Kui Alphafold2 kuulutati välja, kuid pole veel avaldatud Baker ja tema meeskond, sealhulgas arvutipõhine keemik Minkyung Baek, kes töötab nüüd Lõuna-Korea Souli riiklikus ülikoolis, läks tarkvarast aru saama ja rakendama mõnda oma nippi Rosetta varasema AI-põhise versiooni jaoks. Saadud Rosett Fold võrgu esimene versioon toimis peaaegu sama hästi kui AlphaFold2. Alates 2021. aastast on nende arendajad ja teised teadlased pidevalt parandanud mõlemat võrku uute väljakutsete ületamiseks, näiteks mitmest erinevast interakteeruvast valgust pärit komplekside struktuuri ennustamiseks. Viimastel aastatel on Bakeri meeskond olnud eriti produktiivne masinõppe kasutamisel oma labori raison d’être'ile: , et luua uusi valke, mida pole kunagi looduses nähtud . Bakeri meeskonna hiljuti välja töötatud tööriist, mis ühendab Rose Stock koos piltide loomist difusioon Neuronaalvõrkudega, on viinud teadlaste võimaluseni kvanthüpet valkude kujundamisel. Ehkki arvutipõhised tööriistad nagu Alphafold ei asenda eksperimentaalseid uuringuid, on need teadlased. "See võimaldab uue põlvkonna molekulaarbioloogide esitada edasijõudnumaid küsimusi," ütles Saksamaa Tübingeni Max Plancki arengubioloogia instituudi evolutsioonibioloog Casp-Richter Andrei Lupas, 2020 kuni loodus . autasustatud Ki