DeepMind presenta il modello AI AlphaFold che prevede le molecole con 'Precisione Atomica'
- Il nuovo modello di intelligenza artificiale AlphaFold di DeepMind raggiunge una "precisione atomica" nella previsione di strutture molecolari diverse.
- Questo risultato va oltre le proteine, includendo gli acidi nucleici, aprendo nuove strade alla scoperta di farmaci e alla genomica.
- La capacità di AlphaFold di prevedere le strutture molecolari senza fare riferimento a strutture note ridefinisce il processo di scoperta dei farmaci.
DeepMind, di proprietà di Google, ha rivelato la sua ultima iterazione del modello AI AlphaFold, affermando che può prevedere le strutture delle molecole con un'accuratezza senza precedenti. Questo risultato va oltre le proteine per includere varie molecole biologiche e le loro interazioni, potenzialmente rivoluzionando campi come la scoperta di farmaci, la genomica e la comprensione delle malattie.
Un risultato di previsione che cambia le regole del gioco
Nel 2022, DeepMind ha fatto notizia mostrando le capacità del suo modello AlphaFold, che ha previsto con precisione le strutture di oltre 200 milioni di proteine note. Ora, l'azienda compie un grande passo avanti con il suo AlphaFold di "prossima generazione", che mira a prevedere non solo le proteine ma anche altre molecole biologiche critiche.
Prevedere oltre le proteine
Il nuovo modello AlphaFold di DeepMind può reportedly prevedere la struttura di quasi tutte le molecole nel Protein Data Bank, un repository contenente strutture 3D di varie molecole biologiche. Questa espansione oltre le proteine include previsioni per i ligandi (piccole molecole che si legano ad altre molecole) e acidi nucleici come DNA e RNA.
Raggiungere la 'Precisione Atomica'
L'ultimo modello di DeepMind raggiunge frequentemente la "precisione atomica" nella previsione delle strutture di queste molecole, segnando un avanzamento significativo nel campo. Previsioni accurate di diverse strutture molecolari e complessi sono fondamentali per comprendere i meccanismi biologici intricati all'interno delle cellule, un compito storicamente difficile.
Accelerare i risultati biomedici
Le implicazioni del nuovo modello AlphaFold di DeepMind sono di vasta portata. Può accelerare i risultati biomedici fornendo intuizioni cruciali in varie aree, inclusi i percorsi delle malattie, la genomica, i materiali rinnovabili e la scoperta di farmaci. Migliorando l'accuratezza delle previsioni per le strutture molecolari, AlphaFold può aiutare i ricercatori a identificare nuove molecole con potenziale terapeutico.
Ridefinire lo standard del settore
Tradizionalmente, determinare le interazioni tra ligandi e proteine si basava sui "metodi di docking", che richiedevano un riferimento alla struttura della proteina e una posizione di legame suggerita per il ligando. L'ultimo modello di DeepMind sfida questo standard. Supera i metodi di docking esistenti senza bisogno di una struttura proteica di riferimento o di una conoscenza preliminare del sito di legame del ligando. Questa innovazione consente previsioni anche per proteine completamente nuove che mancano di caratterizzazione strutturale precedente.
Un beneficio per la scoperta di farmaci
La previsione accurata delle strutture di proteine e ligandi è un'attività preziosa nel campo della scoperta di farmaci. Consente agli scienziati di identificare i candidati farmaci potenziali in modo più efficiente. Eliminando la necessità di una struttura di riferimento, AlphaFold apre la porta all'identificazione di molecole nuove che potrebbero servire come base per farmaci futuri. Questo risultato potrebbe rivoluzionare il processo di sviluppo dei farmaci.
Implicazioni per la comprensione scientifica
DeepMind ritiene che le prestazioni eccezionali del suo ultimo modello dimostrino il vasto potenziale dell'AI nell'avanzare la nostra comprensione scientifica della macchina molecolare all'interno del corpo umano e del mondo naturale più ampio. Può illuminare i funzionamenti intricati dei sistemi biologici e guidare le innovazioni in molteplici discipline scientifiche.
Risultati scientifici precedenti
Questa non è la prima volta che DeepMind compie progressi significativi nella scienza e nell'AI. A settembre, l'azienda ha creato un catalogo completo delle mutazioni genetiche, uno sviluppo che potrebbe accelerare la diagnosi delle malattie. Gli sforzi continui di DeepMind per fondere l'AI con la ricerca scientifica indicano il suo impegno a spingere i confini di ciò che è possibile in questi campi.
Una potenza unificata di AI
All'inizio di quest'anno, Google ha fuso DeepMind con Google Brain, consolidando gli sforzi delle due entità nell'intelligenza artificiale. Questa mossa mirava a semplificare gli sforzi di AI di Google e a migliorare la collaborazione tra ricercatori e ingegneri.
L'ultimo risultato di DeepMind con AlphaFold sottolinea il potenziale trasformativo dell'AI nella ricerca scientifica. Man mano che continua a perfezionare i suoi modelli e algoritmi, l'azienda è pronta a svolgere un ruolo fondamentale nell'avanzare la nostra comprensione del mondo naturale e nel guidare l'innovazione in vari domini scientifici. Con ogni risultato, DeepMind ci avvicina di un passo allo sblocco dei misteri della biologia e al miglioramento della salute umana.
Non limitarti a leggere le notizie sulle criptovalute. Comprendile. Iscriviti alla nostra newsletter. È gratuita.
Dichiarazione di responsabilità. Le informazioni fornite non costituiscono consigli di trading. Cryptopolitan.com non si assume alcuna responsabilità per eventuali investimenti effettuati sulla base delle informazioni fornite in questa pagina. Si consiglia vivamente di effettuare ricerche indipendenti e/o consultare un professionista qualificato prima di prendere qualsiasi decisione di investimento.
Editah Patrick
Editah è un'analista fintech versatile con una profonda comprensione dei domini blockchain. Sebbene la tecnologia la affascini, trova sconvolgente l'intersezione tra tecnologia e finanza. Il suo particolare interesse per i portafogli digitali e la blockchain aiuta il suo pubblico.
