یک هوش مصنوعی شرکتی که با طراحی سیستم های رایانه ای که بتواند مردم را در بازی ها شکست دهد به شهرت رسیده است ، اکنون پیشرفت فوق العاده ای در علوم زیستی داشته است.
DeepMind ، متعلق به همان شرکت اصلی گوگل است ، یک سیستم هوش مصنوعی ایجاد کرده است که می تواند به سرعت و با دقت پیش بینی کند که پروتئین ها چگونه تشکیل می شوند و شکل های سه بعدی خود را تشکیل می دهند ، یک مسئله پیچیده و شگفت آور که دهه ها محققان را آزار می دهد ، نیویورک تایمز.
تعیین ساختار یک پروتئین می تواند به سالها یا حتی دهه ها آزمایش پر زحمت نیاز داشته باشد و شبیه سازی رایانه ای فعلی تاشو پروتئین نادرست است. تایمز گزارش داد ، اما سیستم DeepMind ، معروف به AlphaFold ، تنها چند ساعت طول کشید تا ساختار پروتئین را به طور دقیق پیش بینی کند.
متصل: چرا هوش مصنوعی اینقدر ما را می ترساند؟
پروتئین ها مولکول های بزرگی هستند که برای زندگی ضروری هستند. آنها از یک سری ترکیبات شیمیایی ساخته شده اند که به اسیدهای آمینه معروف هستند. این “رشته ها” به روش های پیچیده جمع می شوند تا ساختارهای منحصر به فردی ایجاد کنند که تعیین کند پروتئین چه کاری می تواند انجام دهد. (مثلا پروتئین خوشه دار ویروس کرونا ویروس جدید اجازه می دهد تا ویروس به سلولهای انسانی متصل شود و به آنها حمله کند.)
تقریباً 50 سال پیش ، دانشمندان پیشنهاد کردند که شما می توانید با دانستن تنها توالی اسیدهای آمینه ، ساختار یک پروتئین را پیش بینی کنید. اما حل این “مشکل تاشو پروتئین” بسیار چالش برانگیز است ، زیرا روشهای شگفت انگیزی وجود دارد که می توان همان پروتئین را از نظر تئوری جمع کرد تا ساختار سه بعدی بدست آورد ، طبق بیانیه DeepMind.
25 سال پیش ، دانشمندان یک رقابت بین المللی برای مقایسه روش های مختلف برای پیش بینی ساختار پروتئین ایجاد کردند – چیزی مانند “المپیاد پروتئین” ، معروف به CASP ، که به معنی “ارزیابی انتقادی پیش بینی ساختار پروتئین” است ، روزنامه گاردین.
در چالش امسال ، عملکرد AlphaFold بالاتر از رقبا بود. او به درجه ای از دقت دست یافت که محققان انتظار نداشتند سالها شاهد آن باشند.
ونکی راماكریشنان ، رئیس انجمن سلطنتی انگلستان ، كه درگیر این موضوع نیست ، گفت: “این كار محاسباتی نمایانگر پیشرفتی حیرت انگیز در مورد مسئله جمع شدن پروتئین است ، یك چالش بزرگ 50 ساله در زمینه زیست شناسی.” در بیانیه ای گفت. “این اتفاق دهه ها قبل از پیش بینی بسیاری از افراد در این زمینه رخ داده است. دیدن روش های زیادی که این امر باعث تغییر اساسی تحقیقات بیولوژیکی می شود ، بسیار هیجان انگیز خواهد بود.”
برای این مسابقات ، توالی اسیدهای آمینه حدود 100 پروتئین به تیم ها داده می شود ، ساختار آنها مشخص است اما منتشر نشده است ، اخبار طبیعت. پیش بینی ها از صفر تا 100 درجه بندی می شوند ، با 90 آزمایش در صحت برابر با دقت روش های آزمایشی.
AlphaFold برای شناخت رابطه بین توالی اسید آمینه و ساختار پروتئین با استفاده از پایگاه داده های موجود آموزش دیده است. سپس از یک شبکه عصبی – الگوریتمی رایانه ای که از روش پردازش اطلاعات مغز انسان الگو گرفته است – استفاده می کند تا به طور تکراری پیش بینی ساختارهای منتشر نشده پروتئین را بهبود بخشد.
به طور کلی ، AlphaFold دارای نمره متوسط 92.5 بود. این بیشتر از نمره زیر 60 است که سیستم در اولین مسابقه CASP خود در سال 2018 به دست آورد.
نیچر نیوز گزارش داد ، این سیستم کامل نیست – به طور خاص AlphaFold در مدل سازی گروه های پروتئینی متقابل عملکرد خوبی نداشت.
اما پیشرفت بازی را تغییر می دهد.
محمد القریشی ، زیست شناس محاسباتی کلمبیایی گفت: “من فکر می کنم انصاف است که بگوییم این امر برای میدان پیش بینی ساختار پروتئین ها بسیار مخرب خواهد بود. من گمان می کنم بسیاری از این حوزه را ترک خواهند کرد ، زیرا مشکل اصلی احتمالاً حل شده است.” دانشگاه مقابل نیچر نیوز. “این یک پیشرفت درجه یک است ، مطمئناً یکی از مهمترین نتایج علمی زندگی من است.”
DeepMind پیش از این هنگام ایجاد یک برنامه هوش مصنوعی معروف به AlphaGo ، خبرساز شده بود در بازی باستانی Go مردم را شکست دهید.
محققان امیدوارند AlphaFold بتواند کاربردهای واقعی بسیاری داشته باشد. به عنوان مثال ، این می تواند به شناسایی ساختار پروتئین های درگیر در برخی بیماری ها کمک کرده و توسعه دارو را تسریع کند.
تایمز گزارش داد ، DeepMind در حال حاضر در حال کار بر روی مقاله ای است که در مورد AlphaFold بررسی شده است.
در اصل در Live Science منتشر شده است.
منبع: khabar-mojo.ir