هوش مصنوعی دیپ‌مایند نحوه تعامل مولکول‌های حیات را پیش‌بینی می‌کند

ایتنا - آلفافولد 3 جدیدترین نسخه از سری آلفافولد است که یکی از سخت‌ترین مشکلات زیست‌شناسی را حل کرد: پیش‌بینی ساختار پروتئین‌ها از روی توالی اسید آمینه‌شان.

مدل هوش مصنوعی AlphaFold دیپ‌مایند گوگل، که پیش از این توانسته بود درک دانشمندان از پروتئین‌ها را متحول کند، در نسخه جدیدی که به‌تازگی از آن منتشر شده است قابلیت‌های خود را گسترش داده است.

به گزارش ایتنا و به نقل از اکسیوس، آلفافولد 3 جدید می‌تواند پیش‌بینی کند که تقریباً همه مولکول‌هایی که اساس حیات را تشکیل می‌دهند به چه شکلی هستند - که این دستاورد می‌تواند راه‌هایی را برای ساخت داروهای جدید یا محصولات کشاورزی تاب‌آورتر باز کند.

برهمکنش‌هایی که آلفافولد 3 پیش‌بینی می‌کند برای بسیاری از فرآیندهای حیاتی در سلول‌ها کلیدی هستند. تأثیر متقابل بین پروتئین‌ها، DNA، RNA، یون‌ها و سایر مولکول‌های کوچک و تغییر آنها، تعیین‌کننده عملکرد آنها - و اختلال در بیماری - است.

به عنوان مثال، هنگامی که یک پروتئین در سطح یک سلول به پروتئین دیگری که روی یک ویروس است متصل می‌شود، مولکول‌ها تغییر شکل می‌دهند و فرآیندی را آغاز می‌کنند که ویروس و سلول را در هم می‌آمیزند تا ویروس بتواند به آن حمله کند. جزئیات این برهمکنش‌ها می‌تواند به تولید واکسن‌های دقیق یا داروهای ضد ویروسی کمک کند.

دمیس هاسابیس، مدیر عامل گوگل دیپ‌مایند، به اکسیوس گفت: «روشن است که زیست‌شناسی یک سیستم پویا است، بنابراین ما باید تعاملات بین ساختارهای مختلف، پروتئین‌ها و چیزهای دیگر را درک کنیم تا واقعاً بفهمیم که آنها چه می‌کنند. آلفافولد 3 یک گام بزرگ در این مسیر است».

آلفافولد 3 جدیدترین نسخه از سری آلفافولد است که یکی از سخت‌ترین مشکلات زیست‌شناسی را حل کرد: پیش‌بینی ساختار پروتئین‌ها از روی توالی اسید آمینه‌شان.

این مدل جدید مبتنی بر هوش مصنوعی تعداد بیشتری از مواد شیمیایی را با استفاده از رویکردی متفاوت مدیریت می‌کند. این تکنیک از یک تکنیک هوش مصنوعی مولد به نام انتشار استفاده می‌کند، که شبیه به آنهایی است که محرکه تولیدکننده‌های تصویر و ویدیو مانند DALL-E هستند.

روش کار آلفافولد 3 به این صورت است که ابری از اتم‌ها را می‌گیرد و سپس آن را گام به گام پالایش می‌کند تا زمانی که به دقیق‌ترین ساختار مولکولی که می‌تواند پیش‌بینی کند همگرا شود.

جان جامپر، مدیر گوگل دیپ‌مایند، به اکسیوس گفت که تعداد ورودی‌هایی که می‌تواند از عهده آن برآید نسبت به مدل‌های قبلی آلفافولد «به طرز چشمگیری افزایش یافته است».

دقت گزارش‌شده، بسته به برهمکنشی که آلفافولد 3 برای مدل‌سازی آن تلاش می‌کند، از 40٪ تا 80٪ متغیر است، و این برنامه معیاری برای اطمینان از نتیجه خود ارائه می‌دهد. نتایج این آزمایش‌ها در مجله نیچر منتشر شده است. آلفافولد 3 تقریباً برای تمام دسته‌های تعاملی که آنها بررسی کرده‌اند، بهتر از ابزارهای موجود عمل می‌کند.