بایوهاب موتور هوش مصنوعی کشف پروتئین را آزاد کرد
هوش مصنوعیخلاصهٔ کاملتر
بایوهاب اعلام کرده یک «مدل جهانی زیستشناسی پروتئین» ساخته؛ یعنی موتوری علمی که میتونه پروتئینها را در سراسر درخت حیات نقشهبرداری کنه، ساختارشون را پیشبینی کنه و پروتئینهای تازهای طراحی کنه که واقعاً در آزمایشگاه کار میکنن. پروتئینها ماشینآلات حیات هستن و تقریباً هر کارکرد بدن به اونها وابسته است، ولی طراحی پروتئین پایدار و کارآمد یکی از سختترین مسائل علمی بوده.
هستهی این سیستم مدلی به نام ESMC است؛ یک مدل زبانی که روی حدود ۲.۸ میلیارد توالی پروتئینی از همهی شکلهای حیات آموزش دیده. ایدهی اصلی اینه که اگر مدل را روی توالی همهی موجودات آموزش بدی، خودش قوانین بنیادی تاخوردن و عملکرد پروتئینها را یاد میگیره؛ چون تکامل معمولاً پروتئینهای کارآمد را حفظ میکنه و این الگوها در دادهها رمزگذاری شدهان.
بخش دوم، ESMFold2، موتور طراحی است که نمایشهای ESMC را به ساختار سهبعدی با دقت اتمی تبدیل میکنه. پژوهشگران با همین مدل برای پنج هدف کلیدی در سرطان و ایمنیشناسی (مثل EGFR و PD-L1) اتصالدهنده طراحی کردن؛ جستوجویی که بهجای سه چهار سال، در چند روز کامل شد. این اتصالدهندهها در آزمایشگاه میل ترکیبی و پایداری بالا نشون دادن و شباهت کمی به توالیهای شناختهشده داشتن، یعنی مدل واقعاً راهحلهای نو تولید میکنه نه کپی از پایگاهداده.
بخش سوم، ESM Atlas، نمایشهای مدل را روی ۶.۸ میلیارد توالی پروتئینی و ۱.۱ میلیارد ساختار پیشبینیشده قابلجستوجو میکنه؛ بزرگترین کاربرد هوش مصنوعی در زیستشناسی پروتئین تا امروز. این اطلس پروتئینها را بر اساس رابطههایی که مدل یاد گرفته سازمان میده و پیوندهایی را آشکار میکنه که پایگاههای موجود ثبت نکرده بودن.
هر سه مدل بهصورت متنباز و رایگان در اختیار جامعهی علمی قرار گرفته. بایوهاب میگه باور داره علم باز سرعت کشف را بالا میبره و دسترسی آزاد به این ابزارها به پژوهشگران سراسر دنیا کمک میکنه سریعتر به درمانهای شخصیسازیشده برسن.
نکات کلیدی:
- مدل از سه بخش تشکیل شده: ESMC (مدل زبانی پایه)، ESMFold2 (پیشبینی ساختار) و ESM Atlas (جستوجوی پروتئینها)
- ESMC روی حدود ۲.۸ میلیارد توالی پروتئینی آموزش دیده
- طراحی اتصالدهنده برای اهداف سرطان از چند سال به چند روز کاهش پیدا کرد
- هر سه ابزار متنباز و رایگان در دسترس پژوهشگران هستن
