Искусственный интеллект от DeepMind решил научную проблему, над которой учёные бились полвека Статьи редакции
Система впервые позволила спрогнозировать сворачивание белка.
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.
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.
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
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.
Мировой рубин
И куда же теперь девать простаиваемые мощности компьютера во благо цивилизации?
Мировой рубин
Так надо выбрать самый интересный... а я пока на эту тему не интересовался сегодня. Вдруг кто посоветует.
По медицинским и биологическим направлениям - лучшие проекты это Rosetta@Home (фолдинг белка, до недавного времени были лидерами в этой задаче, теперь видимо будут №2 после успехов DipMind, моделирование белков под заданные свойства, поиск потенциальных лекарств и другие) и World Community Grid (в основном содержит разные подпроекты направленные на борьбу с конкретными болезнями - некоторые формы рака, ВИЧ, малярия, туберкулез, сейчас КОВИД-19). По космосу если что-то близкое к SETI интересуют, то Einstein@Home - поиск гравитационных волн и их источников в массивах данных с гравитационных лабораторий (интерферометров) и поиск новых пульсаров и магнетаров в данных поступающих с радиотелескопов и гамма-телескопов. Периодически находят новые, еще никем ранее не открытые.
СЖВ/комми
идеалисты
Ты лепишь рандомные слова, надеясь что какое-то да попадёт в цель?
Минусуют тебя потому, что "вот надо отдать управление миром идеальному ИИ, тогда заживём" - инфантильная фантазия задротов-аутистов.
Шёл 2020 год, дурачьё всё пыталось найти себе мудрых и справедливых хозяев вместо разработки оптимальной децентрализованной системы принятия решений
Наружный Денис
Чем «децентрализованна система принятия решений», если она, по задаче — учитывает другие системы и выбирает оптимум — отличается от «ии с датчиками везде»? Отсутствием марьиванн переписывющихся эксельками?
Чем самостоятельная жизнь отличается от жизни под юбкой у сверхвнимательной и заботливой мамаши?
Наружный
А зачем задавать к оптимизации заботу и внимательность?
Ведь если один датчик будет говорить «мы тут хотим ебать гусей и чтоб к нам не лезли», оптимальное решение от ии будет наладить им выгодный контракт по закупке гусей вместо рассуждений об этике птицеводства.
Затем что в понятие оптимальной власти входят и такие психологические моменты, оно не сводится к технократическим маняфантазиям. Подумай почему.
Попробуй почитать что-нибудь из политической философии, а не одни только маны по php
Наружный
Не люблю знаки зодиака.
Вот он лично ты, живой человек, который хочет иного чем забота и опека — ты не один — нет никаких поводов предполагать, что это не реализуется.
История даже человечества знает более чем дохуя обществ, где ценилось совсем иное, чем забота и опека.
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.
А в демократиях по такому принципу исключительно: власть народа, равенство, братство, нет элит, нет манипуляций общественным мнением.
Меня программисты, которые думают что административную проблему можно решить технократическим путём, просто доебали уже.
Ух, я ещё не дочитал комментарий из которого значит, что почти все люди не вправе решать как им жить. Ну, конечно. Логика ебать. Сам то наверно в демократии жить хочешь, а не в авторитарных парашах. Представь себе, даже не просто в свободах, а в экономическом благополучии сильно влияние политического строя.
Централизованное распределение политических и экономических свобод и прав - утопия.
Ну чуваки научились управлять компьютерами, разве это не свидетельство того что они неебаца гении, могущие решить все проблемы мира? Таксисты же вон научились крутить баранку и автоматом стали экспертами в управлении страной, чем айтишники хуже?
Ну чуваки научились управлять компьютерами, разве это не свидетельство того что они неебаца гении, могущие решить все проблемы мира?
Попробуй тоже научиться, может твое мнение изменится
Просто я не настолько глупый, чтобы экстраполировать умение писать программульки для тупого автомата на способность решить любую проблему управления деятельностью разумных существ. Я вообще считаю, что это такой тест на интеллект - если айтишник всерьёз верует, что компы могут управлять страной, то он умственно неполноценная обезьяна, без вариантов.
Есть гораздо более распространенный тест на интеллект. Если вместо аргументов человек в обсуждении какого-то вопроса переходит на личности, это свидетельствует об драматической узости мышления. Уверен обезьяны вроде тебя лет 200 назад так же рассуждали о возможности передачи голосового сигнала на расстоянии 1000 км.
пропустил неудобное ядро аргументации мимо глаз
привёл корявую аналогию в качестве доказательства
Потрачено, айтишничек.
Манюш, если ты чего-то не понял своим двухбитным мозгом, это ещё не означает, что это что-то - хуйня) Если ты не понимаешь в чём разница между созданием программ для безмозглого безвольного исполнителя, коим является компьютер, и управлением коллективом людей без низведения их до уровня безмозглых безвольных исполнителей - то кто будет бодаться с твоим двухзначным IQ и что-то тебе доказывать? продолжай нежиться в своей технократической религии дальше, на здоровье
Это всё что смог родить айтишный гений за 2 захода? ни разу по существу не ответил на:
разница между созданием программ для безмозглого безвольного исполнителя, коим является компьютер, и управлением коллективом людей без низведения их до уровня безмозглых безвольных исполнителей
Фанатик as is
О! Кажет я понял правила игры в которую ты играешь? Ты срываешься с аргументов на истерику и обратно, и раздаёшь окружающим команды, когда им нужно аргументы писать, а когда можно расслабиться. Все верно? Ок, играем.
Фанатик обвиняет окружающих в фанатизме. Классика, бля.
Это было по существу.
Как же тебя рвёт, верунчик. Что там с разницей между двумя задачами, которую я выше описал?
Что именно выдуманная хуйня - что компьютеры это тупые безвольные автоматы или что поведение людей на порядки сложнее поведения компов из-за наличия у людей разума?
Временной глобус
это я к тому, что кому вы хотите вручить столь опасный инструмент?
«дизайнерскими лекарствами»
ЛСД что ли?
А если серьёзно, то в удивительное время мы попали!
Жесть конечно, можно было бы прямо в статье пояснить, для отсталых.
Спасибо.
Речь о возможности сначала смоделировать лекарство с ожидаемым действием, а потом уже его намешать.
Команда DeepMind рассказала
https://deepmind.com/blog/article/alphafold-a-solution-to-a-50-year-old-grand-challenge-in-biology
это максимум мастурбация
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
Пост специалиста по теме: https://m.facebook.com/story.php?story_fbid=1348846615454275&id=100009868487442
Современный Денис
Скорее доебались до альфа-версии. Надо дать этому еще 5 лет, посмотрим что он там заговорит.
Региональный микрофон
Если технология будет применима на практике и доступна простым смертным, то это чуть ли не круче изобретения антибиотиков.
Региональный
Да я сама тупая. Но попробую. Короч, насколько я поняла, благодаря этой технологии теперь можно после секвенирования генома очень быстро создать 3d модель белковой структуры. И теперь для упрощения представь, что белок - это замо́к, а нам нужно найти ключ от этого замка чтобы как-либо на этот белок повлиять. Такие ключи называются лигандами.
Так вот, раньше когда мы изобретали лекарство мы практически не знали как выглядит замок для которого мы подбираем ключ. А чтобы это узнать уходили совершенно невероятные суммы и десятилетия работы дорогих специалистов. Теперь же, если все сказанное в статье правда, мы можем закупить несколько сотен видеокарт, загрузить туда аминокислотную последовательность и мы получаем трехмерное изображение внутренностей нашего замка, теперь все, что нам нужно сделать - изготовить ключ.
Настоящий Петя
То есть процесс создания лекарств многократно ускорится и при всём этом ещё и станет дешевле, что в идеале сделает медицину доступнее и способной излечить то, о чём раньше невыгодно было даже думать?
Региональный
В теории - да. Теперь мы как минимум знаем, что из аминокислотной последовательности можно вычислить модель белка, раньше это была лишь гипотеза. А вот можно ли на практике проектировать лиганд-белковые соединения по этим данным и смогут ли они существенно помочь в разработке лекарств - пока вопрос.
И давно на самом деле знали. Первые программы дающие структуру(3д модель) белка только по известной аминокислотной последовательности появились еще 15-20 лет назад и с тех пор постоянно совершенствовались постепенно улучшая точность получаемых моделей. Заголовок слишком громкий и наглый - якобы сделали то, что никто никогда не делал. Это прямое вранье.
Реальное достижение - что на данный момент смогли превзойти по точности предсказаний (степени близости полученной модели к реальной физической молекуле) все другие уже давно имеющиеся программы. Т.е. смогли занять 1е место среди множества альтернативных подходов к задаче.
Это они обучали на сотне видях. Использовать обученную модель можно с гораздо меньшими ресурсами. Тем более уверен, что какой-нибудь технологический гигант сделает публичный и сервис для генерации 3д-модели по генетическому коду белка. Они там будут внутри регулярно переобучать и обновлять модель. Типа как OpenAI с GPT-3 делает.
Лекарства созданные на основе массивов данных и компьютерного моделирования
Региональный микрофон
Речь идет о проектировании лекарства на основе 3d модели белковой структуры. Я чуть выше описала как это работает.
Херня, прогресса нет тупые людишки, скоро вас заменят на сраных машин и тогда посмотрим как он вам понравится.
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.
Теоретически это возможно. Практически же - это будет совсем другая нейросеть, которую нужно с нуля обучать отдельно на совсем других базах данных, чем использовались тут. А вот с этим-то (обучающей выборкой) как раз проблема. Эта нейросеть тренировалась "изучая" полную всемирную базу данных всех известных 3д структур белков, структуры которых определенны экспериментально. Почти 200 тысяч, которую собирали ученые со всего мира в течении многих лет работы в лабораториях с реальными белками. Грубо говоря ей раз за разом показывали "если последовательность аминокислот такая - то 3д модель будет такая. И так много кругов через все эти 200 тыс примеров, пока сеть сначала не научилась показываь модели уже всех известных белков видя только их цепочку в развернутом состоянии, а потом уже и неизвестных. По прионным белкам ничего подобного и близко по масштабам и качеству нет - соответственно нет и достаточного материала для тренировок подобных нейросетей. В этом достижении на самом деле главная заслуга сделавшая его возможным - как раз методическое накопление открытых(доступных всем желающим) данных шедшее много лет объединенными силами всего мирового научного сообщества. А конкретная нейросеть - только удобный и эффективный способ эти накопленные данные обобщить и выявить в них общие закономерности, которые могут быть совершенно неочевидны людям.
P.S. Даже если бы такие БД были и по прионам (ну, когда-нибудь в будущем еще будут), подобные подходы все-равно мало бы что сказали о самих болезнях, их причинах и потенциальных способах лечения. Нейросеть просто смогла бы показывать какие варианты неправильной свертки для такой аминокислотной последовательности наиболее вероятны. Что опять же ничего не говорит о том ПОЧЕМУ они сворачиваются неправильно или как на это можно повлиять/предотвратить. В этом плане как раз такие проекты как Folding@Home намного более полезны, т.к. моделируют сам процесс сворачивания белка в динамике от начала и до конца (а не просто предсказывают только его конечный результат) и изучают как разные факторы на это влияют, включая варианты "неправильной" свертки - можно менять разные условия и смотреть как меняется из-за этого процесс свертки.
Материнская компания alphabet, т.е гугл, не институт или государство, а частная компания. Мы уже живем в будущем.
Не уверен, что эти вещи как-то связаны друг с другом кроме общей задачи.
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.
Искусственный интеллект от DeepMind решил сканворд, над которым сторож Василий чистил воблу
