Google DeepMind avduker neste generasjons AI-modell for oppdagelse av legemidler

Google DeepMind har introdusert den tredje iterasjonen av sin banebrytende kunstig intelligens-modell, AlphaFold, som tar sikte på å forbedre effektiviteten og presisjonen til legemiddeldesign og sykdomsbehandling.

Denne siste utviklingen ble annonsert i London 8. mai, og markerte et betydelig skritt fremover i bruken av AI i molekylærbiologi.

Omfattende kartlegging av livets molekyler

Siden det første gjennombruddet i 2020, hvor AlphaFold brukte AI for å forutsi proteinadferd, har verktøyet utviklet seg.

Den nåværende versjonen, utviklet i samarbeid med Isomorphic Labs – begge selskaper under ledelse av medgrunnlegger Demis Hassabis – har med suksess kartlagt interaksjonene mellom alle molekylære strukturer i livet, inkludert menneskelig DNA.

Innvirkning på legemiddeloppdagelse

Interaksjonen mellom proteiner og andre molekyler er avgjørende i utviklingen av nye medisiner. Proteiner spiller ulike roller, fra å øke menneskelig metabolisme gjennom enzymer til å bekjempe infeksjoner via antistoffer.

I følge funnene publisert i forskningstidsskriftet Nature, kutter denne AI-modellen betydelig ned både tid og økonomiske ressurser som trengs for å utvikle nye behandlinger.

Innovasjoner innen molekylær design

Demis Hassabis forklarte egenskapene til den nye AlphaFold under en pressebriefing:

"Med disse nye egenskapene kan vi designe et molekyl som vil binde seg til et bestemt sted på et protein, og vi kan forutsi hvor sterkt det vil binde seg."

Han understreket viktigheten av dette fremskrittet for å designe effektive medisiner og forbindelser for å bekjempe sykdommer.

AlphaFold-server: Et nytt verktøy for forskere

I tillegg til modellens forbedringer har Google DeepMind lansert «AlphaFold-serveren». Dette gratis nettverktøyet lar forskere teste hypotesene sine i et simulert miljø før de utfører eksperimenter i den virkelige verden.

Dette initiativet bygger på arven til AlphaFold siden 2021, da spådommene ble gjort tilgjengelig gratis for ikke-kommersielle forskere gjennom en database som inneholder over 200 millioner proteinstrukturer.

Denne ressursen har vært en verdifull ressurs, sitert tusenvis av ganger i vitenskapelig litteratur.