Google-ը ներկայացրել է սպիտակուցների կառուցվածքը կանխատեսող AlphaFold 3 հզոր նեյրոցանցը. այն հասանելի է բոլորին

Google-ի DeepMind ստորաբաժանումը ներկայացրել է արհեստական բանականության (ԱԲ) իր AlphaFold մոդելի նոր տարբերակը, որը կանխատեսում է սպիտակուցների ձևն ու վարքը: AlphaFold 3-ն նախորդից տարբերվում է ոչ միայն ավելի մեծ ճշգրտությամբ, այլ նաև նրանով, որ այժմ այն արդեն կանխատեսում է սպիտակուցների փոխազդեցությունը կենսաբանական այլ մոլեկուլների հետ։ Բացի դրանից՝ դրա որոշ սահմանափակումներով գործող տարբերակն այժմ հասանելի է անվճար՝ որպես վեբ հավելված:

Առաջին նեյրոցանցի թողարկումից ի վեր AlphaFold-ը 2018-ին դարձել է սպիտակուցների կառուցվածքի կանխատեսման առաջատար մեթոդը՝ հիմնվելով դրանք կազմող ամինաթթուների հաջորդականությունների վրա: Սպիտակուցների փոխազդեցության կառուցվածքն ու հիմքը հասկանալն ընկած է գրեթե ողջ կենսաբանության հիմքում: Սպիտակուցների մոդելավորման դասական մեթոդները զգալի սահմանափակումներ ունեն. նույնիսկ եթե հայտնի է, թե ինչ ձև է ստանալու ամինաթթուների հաջորդականությունը, հնարավոր չէ նախապես ասել, թե որ այլ մոլեկուլներին այն կկապվի և ինչպես: Եվ եթե անհրաժեշտ է հասնել որևէ գործնական նպատակի, մոդելավորումն ու թեստավորումը քրտնաջան աշխատանք են պահանջվում. նախկինում դա տևում էր մի քանի օր, իսկ երբեմն նույնիսկ շաբաթներ և ամիսներ:

AlphaFold-ը լուծում է այս խնդիրը՝ կանխատեսելով սպիտակուցի մոլեկուլի հավանական ձևը տվյալ ամինաթթուների հաջորդականությունից՝ ցույց տալով, թե որ այլ սպիտակուցների հետ այն կկարողանա փոխազդել: Նոր AlphaFold 3-ի առանձնահատկությունն այն է, որ այն կարող է կանխատեսել սպիտակուցների փոխազդեցությունը այլ կենսաբանական մոլեկուլների հետ, ներառյալ ԴՆԹ և ՌՆԹ շղթաները, ինչպես նաև դրա համար անհրաժեշտ իոնները:

AlphaFold-ի հետ կապված մեծ խնդիրը, ինչպես և ԱԲ-ի վրա հիմնված այլ գործիքների դեպքում, դրանց տեղադրման դժվարությունն է: Այդ իսկ պատճառով Google DeepMind-ը գործարկել է անվճար վեբ հավելված, որը կոչվում է AlphaFold Server և հասանելի է ոչ առևտրային օգտագործման համար: Պլատֆորմը բավականին պարզ է օգտագործման համար. մուտք գործելով Google օգտահաշիվ՝ կարող եք մուտքագրել մի քանի հաջորդականություն և կատեգորիաներ, որից հետո արդյունքն ստացվում է եռաչափ մոլեկուլի տեսքով՝ ներկված գույնով, որն արտացոլում է տվյալ մոդելի վստահության աստիճանն իր իրավացիության հարցում։

Հարցին, թե արդյոք կա էական տարբերություն մոդելի հանրայնորեն հասանելի տարբերակի և ընկերության ներքին օգտագործման համար կիրառվող տարբերակի միջև, DeepMind-ի ղեկավար Դեմիս Հասաբիսը վստահեցրել է, որ «մենք հասանելի ենք դարձրել նոր մոդելի գործառույթների մեծ մասը»։ Սակայն այլ մանրամասներ նա չի ներկայացրել։