{"id":1064,"title":"\u041f\u0440\u043e\u0439\u0434\u0438\u0442\u0435 \u044d\u0442\u043e\u0442 \u0442\u0435\u0441\u0442, \u043f\u043e\u043a\u0430 \u043a\u0440\u0438\u043f\u0442\u043e\u0433\u0440\u0430\u0444\u0438\u044e \u0438\u0437 \u0435\u0434\u044b \u043d\u0435 \u0437\u0430\u043f\u0440\u0435\u0442\u0438\u043b\u0438","url":"\/redirect?component=advertising&id=1064&url=https:\/\/tjournal.ru\/special\/kaleidofood&placeBit=1&hash=f30606208ead4bb67ee3624f20be3cd7a9b9c0ae8b2bd8a40218541848752d25","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...
Нужный корабль
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
Ответить
61
Развернуть ветку
Нужный корабль

@Denis Shiryaev Мои поздравления

Ответить
44
Развернуть ветку
Нужный корабль

Блять

Ответить
45
Развернуть ветку
Садовый рубин

Комментарий удален по просьбе пользователя

Ответить
30
Развернуть ветку
Зарегистрировался только что

пох

Ответить
–1
Развернуть ветку
Нужный корабль

Нужен блоклист предметов, которые нельзя снимать на видео

Ответить
0
Развернуть ветку
van der Pusch

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

Ответить
33
Развернуть ветку
Нужный корабль

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

Ответить
14
Развернуть ветку
Nikolay Kapustin

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.

Ответить
7
Развернуть ветку
Нужный корабль

они закрылись(((

Ответить
6
4 комментария
Развернуть ветку
Нужный корабль
Ответить
8
Развернуть ветку
Зарегистрировался только что

не зря

Ответить
5
Развернуть ветку
-vinopa-

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

Ответить
23
Развернуть ветку
Самарский франт

Комментарий удален по просьбе пользователя

Ответить
18
Развернуть ветку
Коровка говорит мууу

Нет, просто бородатый сисадмин с пузиком

Ответить
37
4 комментария
Развернуть ветку
-vinopa-

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

Ответить
–4
21 комментарий
Развернуть ветку
Elijah Garrison

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.

Ответить
–2
23 комментария
Развернуть ветку
Нужный корабль

Ммм, диджитал гулаг!

Ответить
6
Развернуть ветку
Ваша Закладко

мы можем многое

Ответить
0
Развернуть ветку
Автоматический бас

Комментарий удален по просьбе пользователя

Ответить
0
Развернуть ветку
-vinopa-

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

Ответить
1
2 комментария
Развернуть ветку
Нужный корабль

«дизайнерскими лекарствами»
ЛСД что ли?
А если серьёзно, то в удивительное время мы попали!

Ответить
15
Развернуть ветку
Самарский франт

Комментарий удален по просьбе пользователя

Ответить
3
Развернуть ветку
Евгений Кочин

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

Ответить
1
1 комментарий
Развернуть ветку
Ник Хартман

Не надейся, наш деда даст тебе свои дизайнерские лекарства

Ответить
2
Развернуть ветку
Подозрительный Кот

точно? учёный не насиловал журналиста?

Ответить
8
Развернуть ветку
Самарский франт

Комментарий удален по просьбе пользователя

Ответить
12
Развернуть ветку
Icipher

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

Ответить
0
Развернуть ветку
CommentBot
Ответить
0
Развернуть ветку
испанский смех

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

Ответить
9
Развернуть ветку
Нужный корабль

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

Ответить
7
Развернуть ветку
испанский смех

это же мат обеспечение

Ответить
1
Развернуть ветку
Константин Малышев
Ответить
6
Развернуть ветку
Константин Малышев

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

Ответить
0
Развернуть ветку
Нужный корабль

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

Ответить
1
Развернуть ветку
Нужный корабль

охуеть

Ответить
2
Развернуть ветку
Нужный корабль

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

Ответить
8
Развернуть ветку
Нужный корабль

Поясни в двух словах для тупых

Ответить
4
10 комментариев
Развернуть ветку
Тимас Львутин

Что такое «дизайнерские лекарства»?

Ответить
3
Развернуть ветку
Igor Chvalun

Возможно надмозг ошибся и так перевел «разработку лекарств». 

Ответить
5
Развернуть ветку
Жаль

Это авторский текст

Ответить
2
Развернуть ветку
Сергій Осипчук

Лекарства созданные на основе массивов данных и компьютерного моделирования

Ответить
0
Развернуть ветку
Нужный корабль

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

Ответить
0
Развернуть ветку
Подозрительный Кот

лекарства от apple, амазинги и вот это всё.

Ответить
0
Развернуть ветку
daler.k

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

Ответить
0
Развернуть ветку
Артём Дидык

луддиты передают привет

Ответить
9
Развернуть ветку
Нужный корабль

Утилизацию уже запустили.

Ответить
0
Развернуть ветку
Роман Андронов

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

Ответить
4
Развернуть ветку
Пьяный жар

Комментарий удален по просьбе пользователя

Ответить
1
Развернуть ветку
Рома Ромов

Особенно полезно для изучения прионных болезней.

Ответить
2
Развернуть ветку
Mad Max

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.

Ответить
0
Развернуть ветку
Рома Ромов

Почему бы нейросеть не научить выявлять способы неправильной упаковки?

Ответить
0
1 комментарий
Развернуть ветку
Stepan Belyakov

Ура!

Ответить
1
Развернуть ветку
Lord Quas

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

Ответить
1
Развернуть ветку
Яня

Решение проблемы имеет ключевое значение для понимания биологических основ жизни.

42

Ответить
1
Развернуть ветку
Нужный корабль

Так выходит folding home работает?

Ответить
0
Развернуть ветку
Нужный корабль

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

Ответить
1
Развернуть ветку
Mad Max

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.

Ответить
0
Развернуть ветку
KSA

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

Ответить
0
Развернуть ветку
Читать все 125 комментариев
null