Bestemmelse af den tredimensionelle form af biologiske molekyler er det mest udfordrende problem i moderne biologi.
Forfatterne til det nye værk brugte maskinens metoderlæring og udviklet en tilgang, der løser dette problem, da det forudsiger deres nøjagtige struktur. Forskerne bemærker, at deres tilgang kan anvendes selv på molekyler og strukturer, der er sværest at bestemme eksperimentelt.
Algoritme for kandidatstuderende forudsiger nøjagtigmolekylære strukturer og på grundlag af dette er det muligt at forstå, hvordan de fungerer på forskellige områder: dette vil hjælpe både i grundlæggende biologisk forskning og i udviklingen af lægemidler.
Proteiner - det er sådanne maskiner i det molekylæreskala, som udfører alle mulige funktioner. For at gøre noget kan de binde sig til andre proteiner. Hvis du ved, at et par proteiner er involveret i en sygdom, og også forstår, hvordan de begge interagerer, så kan du prøve at lave et lægemiddel, der vil ramme det samme mål.
Stefan Eismann, ph.d.-studerende ved Stanford University
AI lærte at finde grundlæggende begreberproteiner, der er nøglen til dannelsen af molekylær struktur. Og, hvad der er vigtigt ifølge forfatterne, var det ikke forudindlæst med data om specifikke proteiner, hvilket kunne gøre algoritmen skæv over for dem og forvirre den globale analyse.
Derfor finder algoritmen data og karakteristika for proteiner, som forskerne ikke var opmærksomme på før.
Under eksperimentet lykkedes algoritmen med succesmed proteiner og kandidatstuderende testede det på RNA -molekyler. Som et resultat klarede AI i alle tilfælde puslespillet, selvom det ikke var designet specielt til RNA -strukturer.
At læse Yderligere:
Et rumskib flere kilometer væk: alt hvad man ved om Kinas nye projekt
COVID-19 muterer, og vacciner moderniseres: hvordan man håndterer nye stammer
En superkondensator på størrelse med et støvkorn er dukket op: den er 3 tusind gange mindre end dens analoger