的帮助下一个人工智能被称为AlphaFold,DeepMind能够解决最大的一个生物问题仅仅18个月的预测几乎每一个蛋白质的结构,科学家们目前编目。

已经改善的方法努力解决塑料垃圾,抗生素耐药性,疟疾。这个突破也可以加快寻找新的药物,据研究人员。

简单的Google搜索

首席执行官DeepMind黛米斯声称发现了蛋白质结构——用于经常需要数年——现在几乎一样简单的“做一个谷歌搜索”,因为数据库。

研究人员已经使用数据库来提高他们的工作在不同的领域。

马特·希金斯牛津大学和他的同事们,例如,看着他们认为可能是至关重要的蛋白质干扰疟原虫的生命周期,这多亏了档案。

AlphaFold启动时,它提供了精确的预测蛋白质的结构与研究者的知识。现在,他们可以建立新的蛋白质,团队希望他们将疟疾疫苗。

此外,科学家研制出了新型塑料waste-breaking使用AlphaFold同时学习更多关于蛋白质酶,使细菌耐药性。

人体映射中所有的蛋白质

首先报道表示、生物学多年来一直努力想办法确定蛋白质的扭曲形状基于单个氨基酸的序列。

这些氨基酸创建链与挑战性的复杂的结构来预测准确。一些氨基酸彼此吸引,而另一些则被水。

2021年中期,英国AI启动DeepMind表示,它已映射后98.5%的蛋白质利用人体首先在2020年晚些时候宣布它已经建立了一个方法来精确地确定折叠蛋白质的结构。

7月28日,该公司周四表示,它是揭示超过2亿种蛋白质的结构,几乎所有列出的广泛使用UniProt数据库对蛋白质的研究。

这意味着研究人员来自世界各地现在可能容易和自由访问这些数据,由于工作DeepMind和欧洲生物信息学研究所(EMBL-EBI)的欧洲分子生物学实验室。

读也:DeepMind“柏拉图”是一个人工智能,可以直观的物理的像婴儿一样学习

长的路要走

尽管AlphaFold改变了世界的生物研究,仍有与蛋白质折叠问题,根据基斯Willison伦敦帝国学院。

虽然工具经常精确,根据表示,其结构是从未故意计算结果的产物。还声称AlphaFold没有触及表面的一个小子集被称为内在无序的结构蛋白,这似乎不稳定和不可预测的折叠模式。

然而,Pushmeet克里负责DeepMind科学部门承认AlphaFold的局限性,但确保团队工作更多的蛋白质和增强艾未未的精度和功能。

DeepMind还有很长的路要走,但与此同时,它已经创新领域的准确预测结构生物学的几乎所有现在已知蛋白质科学在仅仅18个月。

这种创新可以改变基础科学的范围,加快药物的发展。

相关文章:机器人专家开发了一个人工智能程序,可能已经发现了一个替代物理的

这篇文章是由科技时代万博体育登录首页

华金维克多Tacla写的