华盛顿大学研究者使用基因化人工智能设计蛋白质分分钟,这可能导致新的、更有效的疫苗和药类
任何人实验AI模型像OpenAIDALLE2开拍像企鹅在月球打球多有趣公司名聊天GPT语言模型可生成可传递哲学论文或史诗风格 沃纳赫佐格平易
生物技术实验室正把同一种自学技术推向更严肃的目标:设计自然中从未见的蛋白质蛋白生成程序可以把过程数月或数年转换成分钟,并可以帮助开发新的、更有效的疫苗和药类
Proteins是Lego系统砖块,使大多数生物功能从新陈代谢复制到脱氧核糖核酸复制昆虫在免疫系统也起着关键作用,正因如此,许多现代药以蛋白质为基础。举例说,COVID-19疫苗侧重于corona病毒使用插件蛋白附入人体细胞
药设计师寻找新处理法 通常筛选成千蛋白 成百上千万年进化计算蛋白设计 — — 使用计算机创建氨基酸组合组成蛋白分子 — — 使得从零产生蛋白质或修改现有蛋白质成为可能Proteins可设计用于特定用途,开通基本无限素材库以推进生物医学和生物工程
近些年来,研究人员开始使用高级AI模型2020年 DeepMind宣布蛋白质叠加AIAlphaFold预测蛋白质形状到原子宽度内, 这个问题令生物化学家数十年受挫3维中蛋白折数决定生物功能
2022年12月华盛顿大学团队生物学家引导大卫贝克宣布程序调用RoseTTAFold传播快速精确新蛋白生成
传播模型于2015年推出,即机器学习算法,专门加除噪声dALL-E按需生成高质量图像:通过逐步清除随机分组像素直到新图像组成匹配请求RFDifle操作相似设计,从简单规范组生成复杂蛋白模型培训约四周,使用64NvidiaV100GPUs微软Azure
反射加速蛋白设计过程比起现有设计方法多级量带100氨基酸单蛋白图约2.5分钟和约8千兆字节内存NvidiaRTXA4000GPU说布赖恩Trippe后博士研究员Columbia和UW集团
Trippe解释的“你正在做内存密集矩阵乘法操作”。取出量仅按千字节排序,视蛋白大小而定-它基本上是三维坐标CSV文件
设计从未存在于自然中的蛋白质仅仅是第一步下一站是看他们是否在现实世界工作UW团队设置目标列表,例如创建对称蛋白质或绑定特定网站并非每个AI生成蛋白质都像设计的那样工作,而是测试数以百计,团队最终能够实现每一个设计目标。
Trippe说,“我们有天文实验成功率”。我们没想到会发生,但我们很高兴它真的发生
一种显式结果出现时,他们委托模型生成蛋白质并附于控制血核素水平的除虫体荷尔蒙模型生成出一种设计,在实验测试中,与激素绑定比任何其他计算法生成都强 — — 并比现有药紧
技术有可能改变生物医学它可以更快地设计蛋白质定位药,即使制造测试过程仍然需要数年时间。
Trippe说,“我们有一个非常强大的工具可以快速高效制造分子”。我们总想推开可能的边界, 我们认为RFDIF
效果可以是更好的疫苗 抗癌免疫法等药 甚至是新纳米材料
工具可被用于邪恶或编译毒药或其他危险创物
华盛顿大学的David Juergens也曾是Baker实验室成员,基本上所有新技术都可实现但总体而言我认为事实公有知识存在是件好事。”
UW团队正努力改善模型,使之更快高效并感兴趣的模型 产生更多蛋白质, 诸如核酸和分子 引导体内蛋白合成过程
现场飞速发展到 更多突破可能 近角,据Trippe说5年前他说,用深学设计蛋白质大都算作梦
仅在去年左右 计算设计蛋白质以有效方式成为可能 使用人工智能工具比最近更多
Julian Smith是一个贡献作家他是执行编辑Atellan媒体编译者阿洛哈罗度欧并冒烟游戏由HarperCollins发布写绿色技术、可持续性、冒险、文化历史
2023Nutanix公司所有权利保留补充法律信息麻烦你到这来
