Google DeepMind przedstawia model sztucznej inteligencji nowej generacji do odkrywania leków

Google DeepMind wprowadził trzecią iterację swojego przełomowego modelu sztucznej inteligencji AlphaFold, której celem jest zwiększenie wydajności i precyzji projektowania leków i leczenia chorób.

To najnowsze odkrycie ogłoszono w Londynie 8 maja, co stanowi znaczący krok naprzód w wykorzystaniu sztucznej inteligencji w biologii molekularnej.

Kompleksowe mapowanie cząsteczek życia

Od czasu pierwszego przełomu w 2020 r., kiedy AlphaFold wykorzystał sztuczną inteligencję do przewidywania zachowań białek, narzędzie to ewoluowało.

Obecna wersja, opracowana we współpracy z Isomorphic Labs — obiema firmami pod przewodnictwem współzałożyciela Demisa Hassabisa — z powodzeniem zmapowała interakcje wszystkich struktur molekularnych w życiu, w tym ludzkiego DNA.

Wpływ na odkrywanie leków

Interakcja białek z innymi cząsteczkami ma kluczowe znaczenie w opracowywaniu nowych leków. Białka odgrywają różne role, od pobudzania ludzkiego metabolizmu poprzez enzymy po zwalczanie infekcji za pomocą przeciwciał.

Według ustaleń opublikowanych w czasopiśmie naukowym Nature ten model sztucznej inteligencji znacznie skraca zarówno czas, jak i zasoby finansowe potrzebne do opracowania nowych metod leczenia.

Innowacje w projektowaniu molekularnym

Demis Hassabis wyjaśnił możliwości nowego AlphaFold podczas konferencji prasowej:

„Dzięki tym nowym możliwościom możemy zaprojektować cząsteczkę, która będzie wiązać się z określonym miejscem białka i przewidzieć, jak mocno się to zwiąże”.

Podkreślił znaczenie tego postępu dla projektowania skutecznych leków i związków do zwalczania chorób.

Serwer AlphaFold: nowe narzędzie dla naukowców

Oprócz ulepszeń modelu firma Google DeepMind wypuściła „serwer AlphaFold”. To bezpłatne narzędzie internetowe umożliwia naukowcom testowanie swoich hipotez w symulowanym środowisku przed przeprowadzeniem eksperymentów w świecie rzeczywistym.

Inicjatywa ta opiera się na dziedzictwie projektu AlphaFold od 2021 r., kiedy jego przewidywania udostępniono bezpłatnie badaczom niekomercyjnym za pośrednictwem bazy danych zawierającej ponad 200 milionów struktur białkowych.

Zasób ten był cennym zasobem, cytowanym tysiące razy w literaturze naukowej.