{"id":920,"title":"\u0422\u0435\u043b\u0435\u043f\u043e\u0440\u0442\u0430\u0446\u0438\u044f \u0440\u0435\u043a\u043b\u0430\u043c\u043d\u044b\u0445 \u043a\u0430\u043c\u043f\u0430\u043d\u0438\u0439 \u0438\u0437 \u00ab\u042f\u043d\u0434\u0435\u043a\u0441\u0430\u00bb \u0432 Google","url":"\/redirect?component=advertising&id=920&url=https:\/\/vc.ru\/promo\/321806-kak-ne-zamorachivatsya-s-reklamnoy-kampaniey-i-bystro-nastroit-ee-v-google-obyasnyaem-v-5-50-i-500-slovah&placeBit=1&hash=a4cc075f73c41136fd9c9b8835557576fcd53f2c5d7a3dc508893ba05402731e","isPaidAndBannersEnabled":false}

Искусственный интеллект от DeepMind решил научную проблему, над которой учёные бились полвека Статьи редакции

Система впервые позволила спрогнозировать сворачивание белка.

Структуры белков Изображение пользователя WikiMedia Holger87

Команда DeepMind рассказала о решении научной проблемы «сворачивания белка», над которой учёные работали более 50 лет. С помощью искусственного интеллекта AlphaFold в компании за несколько дней смогли спрогнозировать структуру белка с точностью до атома.

Решение проблемы имеет ключевое значение для понимания биологических основ жизни. Исследователи впервые могут предсказать, как белки складываются в трёхмерные формы — это чрезвычайно сложный процесс, который биологам не удавалось решить на протяжении полувека.

Как пояснили независимые учёные в разговоре с The Guardian, открытие позволит разобраться в процессах, приводящих к отдельным заболеваниям и откроет возможность для работы над «дизайнерскими лекарствами». В DeepMind отметили, что уже начали работать с несколькими научными группами и решили сначала сосредоточиться на проблеме малярии, сонной болезни и паразитарном лейшманиозе.

Директор Европейского института биоинформатики, не принимавший участия в работе DeepMind, заявил, что уже потерял надежду на решение проблемы при своей жизни. Президент Королевского общества Венки Рамакришна назвал работу «ошеломляющим прорывом», который произошёл «на десятелития раньше, чем предсказывали многие в этой области».

Как отметил исследователь из DeepMind Джон Джампер, команда сама не ожидала, что продвинулась настолько далеко в решении проблемы. Но на этом компания не закончит работу — будущие исследования направят на изучение более сложных систем белков.

Это знаменательный момент для отрасли. Эти алгоритмы становятся достаточно сильными и развитыми, чтобы решать действительно сложные научные проблемы.

Дэмис Хассабис
глава DeepMind

DeepMind наиболее известна по созданию алгоритмов, которые научились обыгрывать людей в шахматы, Go, Starcraft II и другие игры. Однако игры были не целью компании, а тренировочной площадкой для развития машинного обучения.

Проблема сворачивания белков была серьёзной задачей для биологов на протяжении 50 лет. Большинство биологических процессов вращаются вокруг белков, и их форма определяет их функции. Если исследователи смогут понять, как сворачивается белок, то смогут узнать, что он делает. К примеру, структурой белка определяется и то, как инсулин регулирует сахар в крови, и то, как антитела борются с коронавирусом.

Учёные распознали уже более 200 миллионов белков, но структуры известны только для их части. Обычно форму белка узнают спустя годы лабораторных исследований. Для решения задачи в DeepMind натренировали алгоритм на общедоступной базе данных о 170 тысячах последовательностей белка и их формах. На весь процесс ушло несколько недель работы алгоритма с использованием около 200 графических процессоров.

Систему испытали на проводимых каждые два года «белковых олимпиадах» Casp. Участникам конкурса обычно выдают аминокислотные последовательности для 100 белков, а результаты команд с использованием компьютера сравнивают с лабораторными работами.

Решение DeepMind не только превзошло другие алгоритмы, но и достигло точности результатов трудоёмкой лабораторной работы. В компании уже начали передавать доступ к системе AlphaFold другим учёным. Некоторые из них уже начали использовать её для прогнозирования сворачивания белка.

0
125 комментариев
Популярные
По порядку
Написать комментарий...
Крошечный холод
Внимание, это не учебная тревога: DeepMind только что обьявили, что "решили проблему фолдинга белка"! Если я все правильно понимаю (а я конечно не биолог и не химик) достигнув средней оценки точности в 87 GDT, ребята из DeepMind теперь могут с очень высокой точностью моделиро...
Внимание, это не учебная тревога: DeepMind только что обьявили, что "решили проблему фолдинга белка"! Если я все правильно понимаю (а я конечно не биолог и не химик) достигнув средней оценки точности в 87 GDT, ребята из DeepMind теперь могут с очень высокой точностью моделировать фолдинг белка в компьютерной модели, избегая реальных химическиъ экспериментов.

Почему это большое дело - потому что это действительно проблема над которой бьются последние 50 лет. И последние 15 из них GDT score болтался между 30 и 45, так что это огромный рывок вперед. Конечно их заявление еще будут проверять и понятно что GDT не 100 и что это решение для статического фолдинга, динамический фолдинг - гораздо более сложная задача. Однако это уже не AlphaZero, который играет в игры, это решение реальных проблем человечества с помощью ИИ! Кажется всех кто занимается темой ИИ сегодня можно поздравить.

https://deepmind.com/blog/article/alphafold-a-solution-to-a-50-year-old-grand-challenge-in-biology
61
Крошечный холод

@Denis Shiryaev Мои поздравления

44
Крошечный холод

Блять

45

Комментарий удален по просьбе пользователя

30
Крошечный холод

Нужен блоклист предметов, которые нельзя снимать на видео

0

То есть вы хотите сказать, я зря свой комп к Folding@home подключала?

33
Крошечный холод

Переходим на SETI@home - может и инопланетян тогда найдёт ИИ

14

Ну вот кстати если загрузить всю базу по небу в разном спектре, да еще за все время, то вполне нехилый датасет получится. Тут есть где развернуться для поиска странностей на небе. Хорошая работа для дипмайнда, будет хороший результат для 2021, достойный преемник будет у 2020.

7
Крошечный холод

они закрылись(((

6
Крошечный холод
8

Это очень круто.
Поскорее бы цифровое правительство кто-нибудь попробовал.

23

Комментарий удален по просьбе пользователя

18

Нет, просто бородатый сисадмин с пузиком

37

Диктатор всегда найдется.
Уж лучше такой, который умеет пользоваться компьютером.

–4

Админить будет все общество с помощью лайков/дизлайков. Но то что 99.9999% людей не дано управлять государством, а из тех кому дано 99.9999%. не умеют добираться до этого управления думаю за последние 100 лет человечество убедилось. ред.

–2
Крошечный холод

Ммм, диджитал гулаг!

6

мы можем многое

0

Комментарий удален по просьбе пользователя

0

У руля всегда будет стоять кто-то, кто очень хочет стоять у руля и знает, как туда попасть.

1
Крошечный холод

«дизайнерскими лекарствами»

ЛСД что ли?
А если серьёзно, то в удивительное время мы попали!

15

Комментарий удален по просьбе пользователя ред.

3

Жесть конечно, можно было бы прямо в статье пояснить, для отсталых.
Спасибо.

1

Не надейся, наш деда даст тебе свои дизайнерские лекарства

2

точно? учёный не насиловал журналиста?

8

Комментарий удален по просьбе пользователя

12

Всё-таки скорее да, чем нет. Ниже по треду ссылка на комментарий в ФБ: https://tjournal.ru/science/242911-iskusstvennyy-intellekt-ot-deepmind-reshil-nauchnuyu-problemu-nad-kotoroy-uchenye-bilis-polveka?comment=4549952

0

вот куда надо инвестировать деньги, а не тратить на ссаный футбол

9
Крошечный холод

На самом деле следующую Нобелевскую премию по биологии надо присудить команде DeepMind

7

это же мат обеспечение

1

Так что, увы, проблема, как видно, пока не решена

0
Крошечный холод

Скорее доебались до альфа-версии. Надо дать этому еще 5 лет, посмотрим что он там заговорит.

1
Крошечный холод

охуеть

2
Крошечный холод

Если технология будет применима на практике и доступна простым смертным, то это чуть ли не круче изобретения антибиотиков. 

8
Крошечный холод

Поясни в двух словах для тупых

4

Что такое «дизайнерские лекарства»?

3

Возможно надмозг ошибся и так перевел «разработку лекарств». 

5

Это авторский текст

2

Лекарства созданные на основе массивов данных и компьютерного моделирования

0
Крошечный холод

Речь идет о проектировании лекарства на основе 3d модели белковой структуры. Я чуть выше описала как это работает. 

0

лекарства от apple, амазинги и вот это всё.

0

Херня, прогресса нет тупые людишки, скоро вас заменят на сраных машин и тогда посмотрим как он вам понравится.

0

луддиты передают привет

9
Крошечный холод

Утилизацию уже запустили.

0

Ничего не понятно. Может хоть на n+1 всё нормально напишут

4

Комментарий удален по просьбе пользователя

1

Особенно полезно для изучения прионных болезней.

2

Нет, вот как раз для них бесполезен почти полностью. Т.к. только предсказывает конечную ПРАВИЛЬНУЮ структуру белка(какая она должна быть в здоровой, правильно фукционирующей клетке). Но не показывает КАК он сворачивается в эту структуру - сразу к готовому результату.

А прионные болезни это когда в процессе свертки белка что-то идет НЕПРАВИЛЬНО и он в результате образует неправильную структуру.

0

Почему бы нейросеть не научить выявлять способы неправильной упаковки?

0

Ура!

1

Материнская компания alphabet, т.е гугл, не институт или государство, а частная компания. Мы уже живем в будущем.

1

Решение проблемы имеет ключевое значение для понимания биологических основ жизни.

42

1
Крошечный холод

Так выходит folding home работает?

0
Крошечный холод

Не уверен, что эти вещи как-то связаны друг с другом кроме общей задачи.

1

Задача примерно та же, но подходы совершенно разные. folding home именно моделирует процесс сворачивания белка из исходной аминокислотной цепочки с точностью до каждого атома через все промежуточные стадии. Сам подход очень простой(просто считаем все силы взаимодействия между всеми атомами в молекуле и двигаем их соответственно - по давно известным базовым законам молекулярной физики), но требующий огромных выч. мощностей и даже с такими мощностями, когда работают сотни тысяч компов по всему миру пока способен осилить только относительно небольшие и несложные белки. Большие "не по зубам" - т.к. выч. сложность растет примерно как квадрат кол-ва атомов в молекуле плюс одновременно растет и время сворачивание. Из-за этого при увеличении размера белка в 10 раз объем необходимых вычислений растет в сотни раз.

Тут же белок никто не сворачивает и не моделирует. А некая "гадалка" (натренированная нейронна сеть) посмотрев на цепочку аминокислот сразу говорит - скорее всего она свернется вот в такой вот белок. А как именно будет сворачиваться? Да никто не знает - это вообще не вычисляется при таком подходе - сразу готовый результат из "черного ящика". Но зато можно использовать с большими белками, т.к. вычислительная сложность такого подхода и сама по себе намного ниже и не растет так быстро с ростом размера белков.

0

Искусственный интеллект от DeepMind решил сканворд, над которым сторож Василий чистил воблу

0
Читать все 125 комментариев
null