آخرین دستیابی به موفقیت AI در DeepMind می تواند نحوه جمع شدن پروتئین ها را به طور دقیق پیش بینی کند


محققان و علاقه مندان به اینترنت از اخبار مشتاق شده اند و برخی اعلام کرده اند که AlphaFold “مشکل پروتئین” را حل کرده است. اما معنی دقیق این چیست؟ و چگونه می توانیم از این مزیت استفاده کنیم؟

برای شروع پاسخ به این س questionsالات ، باید نگاه دقیق تری به خود پروتئین ها داشته باشیم. همانطور که معلم زیست شناسی شما گفته است ، پروتئین ها عناصر سازنده زندگی هستند که مسئول عملکردهای بی شماری در داخل و خارج بدن انسان هستند. هر کدام به صورت مجموعه ای از اسیدهای آمینه که به صورت زنجیره ای به هم متصل شده اند شروع می شود ، اما طولی نمی کشد – گاهی اوقات فقط میلی ثانیه است – قبل از اینکه مسائل پیچیده شوند. برخی از قسمتهای زنجیره اسید آمینه به صورت مارپیچ پیچ خورده است. دیگران مانند “ملحفه” بر روی خود جمع می شوند. دیری نمی گذرد که این مارپیچ ها و ورق ها به هم می پیوندند و به ساختار نهایی پروتئین منقبض می شوند و به پروتئین توانایی انجام وظایف خاص مانند انتقال اکسیژن از طریق بدن یا تقویت ساختار استخوان ها را می دهند.

https://www.youtube.com/watch؟v=wvTv8TqWC48

به عبارت دیگر ، فرم همه چیز است و محققان دهه ها تلاش کرده اند تا راهی برای تعیین ساختار نهایی و چین خورده پروتئین صرفاً بر اساس آمینو اسیدهای تشکیل دهنده ستون فقرات آن بیابند. این جایی است که CASP وارد می شود – از سال 1994 ، این برنامه به عنوان یک نقطه کانونی برای تیم های مختلف در سراسر جهان کار می کند تا مشکل حل پروتئین ها را با نبوغ محاسباتی از بین ببرند. این قوانین کاملاً ساده است: هر سال دیگر ، برگزارکنندگان مجموعه ای از پروتئین های هدف را از میان تعدادی پیشنهاد انتخاب می کنند که ساختارهای آنها به صورت آزمایشی تعیین شده است اما هنوز منتشر نشده است. محققان پس از چندین ماه فرصت دارند تا سیستم های خود را تنظیم کرده و پیش بینی های خود را انجام دهند ، سپس پس از اتمام مقاله توسط متخصصان این حوزه ارزیابی می شوند.

در حالی که CASP به مدت 26 سال فعالیت کرده است ، در چند سال گذشته جامعه علمی موفق شده است برای مقابله با این چالش جهشی کوانتومی در قدرت محاسبات و یادگیری ماشین به دست آورد. در مورد DeepMind ، این شامل آموزش مدل پیش بینی AlphaFold 2 در حدود 170،000 ساختار پروتئین شناخته شده ، همراه با تعداد زیادی از توالی های پروتئینی است که ساختارهای 3D هنوز مشخص نشده است. این تیم اذعان می کند که این داده های آزمون کاملاً مشابه داده های مورد استفاده در سال 2018 است ، زمانی که سیستم اصلی AlphaFold بالاترین امتیازها را در طول CASP 13 بدست آورد. ساختار پروتئین را پیش بینی کنید. “)

با این حال ، تیم تغییرات چشمگیری در روش یادگیری ماشین خود ایجاد کرده است – آنها هنوز گزارش کاملی منتشر نکرده اند ، اما خلاصه CASP 14 برخی از تغییرات آنها را برجسته می کند. علاوه بر این ، DeepMind به حدود 128 هسته Google cloud cloud TPUv3 اعتماد کرد ، که در نهایت به AlphaFold 2 این امکان را داد تا ساختار پروتئین را در چند روز مشخص کند ، اگر نه زودتر. نیویورک تایمز خاطرنشان می کند که در بعضی موارد می توان در عرض چند ساعت پیش بینی کرد.


منبع: shose-news.ir

Leave a reply

You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>