Biologisten molekyylien kolmiulotteisen muodon määrittäminen on nykyajan biologian haastavin ongelma.
Uuden työn tekijät käyttivät koneen menetelmiäoppinut ja kehittänyt lähestymistavan, joka ratkaisee tämän ongelman, koska se ennustaa niiden tarkan rakenteen. Tutkijat huomauttavat, että niiden lähestymistapaa voidaan soveltaa jopa molekyyleihin ja rakenteisiin, joita on vaikeinta määrittää kokeellisesti.
Jatko -opiskelijoiden algoritmi ennustaa tarkanmolekyylirakenteet, ja tämän perusteella voidaan ymmärtää, miten ne toimivat eri aloilla: tämä auttaa sekä biologisessa perustutkimuksessa että lääkkeiden kehittämisessä.
Proteiinit - Nämä ovat sellaisia koneita molekyylissämittakaavassa, jotka suorittavat kaikenlaisia toimintoja. Tehdäkseen jotain ne voivat sitoutua muihin proteiineihin. Jos tiedät, että proteiinipari liittyy sairauteen, ja ymmärrät myös niiden molempien vuorovaikutuksen, voit yrittää valmistaa lääkkeen, joka osuu samaan kohteeseen.
Stefan Eismann, Stanfordin yliopiston tohtoriopiskelija
Tekoäly oppi löytämään peruskäsitteitäproteiinit, jotka ovat avainasemassa molekyylirakenteen muodostumisessa. Ja mikä tärkeintä tekijöiden mukaan, siihen ei ladattu etukäteen tietoja tietyistä proteiineista, mikä saattaisi tehdä algoritmista puolueellisen niitä kohtaan ja hämmentää globaalia analyysiä.
Siksi algoritmi löytää tietoja ja proteiinien ominaisuuksia, joista tutkijat eivät olleet tietoisia aiemmin.
Kokeilun aikana algoritmi selviytyi onnistuneestiproteiineilla ja jatko -opiskelijat testasivat sitä RNA -molekyyleillä. Tämän seurauksena tekoäly hallitsi palapelin kaikissa tapauksissa, vaikka sitä ei ole suunniteltu erityisesti RNA -rakenteille.
Lukea Edelleen:
Avaruusalus useiden kilometrien päässä: kaikki, mitä tiedetään Kiinan uudesta projektista
COVID-19-mutaatioita ja rokotteita uudistetaan: miten käsitellä uusia kantoja
Pölyhiukkasen kokoinen superkondensaattori on ilmestynyt: se on 3 tuhatta kertaa pienempi kuin analogit