Google DeepMind объявили о запуске AlphaProteo — системы искусственного интеллекта, которая поможет исследователям в области биологии и здравоохранения разрабатывать новые высокопрочные белки, которые точно и прочно связываются с целевыми молекулами.
AlphaProteo прошел обучение по работе с Банком данных белков (PDB), который позволяет совершать прорывы в науке и образовании, предоставляя доступ и инструменты для исследования, визуализации и анализа экспериментально определенных трехмерных структур из архива PDB.
Благодаря структуре целевой молекулы и набору предпочтительных мест связывания на этой молекуле AlphaProteo создает белок-кандидат, который связывается с целью.
Технологический гигант заявил, что связующие вещества потенциально могут открыть новые направления исследований в области разработки лекарственных препаратов и диагностических биосенсоров.
«AlphaProteo может генерировать новые связывающие белки для различных целевых белков, включая VEGF-A, который связан с раком и осложнениями диабета. Это первый случай, когда инструмент ИИ смог разработать успешное связывающее белок вещество для VEGF-A», — сообщили в своем блоге команды Protein Design и Wet Lab в Google DeepMind.
«AlphaProteo также обеспечивает более высокие показатели успешности экспериментов и в 3–300 раз лучшую аффинность связывания, чем лучшие существующие методы на семи протестированных нами целевых белках».
Для тестирования AlphaProteo разработчики ИИ разработали связующие вещества для различных целевых белков, включая «два вирусных белка, участвующих в инфекции, BHRF1 и домен связывания рецептора спайкового белка SARS-CoV-2, SC2RBD, а также пять белков, участвующих в развитии рака, воспаления и аутоиммунных заболеваний, IL-7Rɑ, PD-L1, TrkA, IL-17A и VEGF-A».
Показатель успешности связывания для одной вирусной цели, BHRF1, составил в среднем 88%, что в десять раз выше, чем при использовании традиционных методов.
Команда веб-лаборатории Google DeepMind сотрудничала с внешними исследовательскими группами, включая исследователей из Института Фрэнсиса Крика, чьи данные подтвердили, что связующие вещества AlphaProteo предотвращают заражение человеческих клеток вирусом SARS-CoV-2.
AlphaProteo продемонстрировал, что он может сократить время, необходимое для начальных экспериментов с использованием связывающих белков для различных целей.
Однако, несмотря на достигнутые успехи, исследователи отметили, что система ИИ имеет ограничения.
Например, AlphaProteo не удалось создать успешные связующие вещества для TNFa — белка, связанного с аутоиммунными заболеваниями, такими как ревматоидный артрит.
«Мы выбрали TNFɑ, чтобы бросить вызов AlphaProteo, поскольку вычислительный анализ показал, что спроектировать связующие вещества против него будет чрезвычайно сложно. Мы продолжим совершенствовать и расширять возможности AlphaProteo с целью в конечном итоге решить такие сложные задачи», — пишут авторы.
Исследовательская группа AlphaProteo планирует сотрудничать с научным сообществом, чтобы изучить влияние AlphaProteo на другие биологические проблемы и лучше понять его ограничения.
Кроме того, команда изучала возможность использования своего препарата в Isomorphic Labs.
БОЛЬШАЯ ТЕНДЕНЦИЯ
В июне Google Research и Google DeepMind выпустил статью объявляем о создании новой степени магистра права (LLM) по открытию лекарственных препаратов и разработке терапевтических препаратов под названием Tx-LLM, усовершенствованной на основе Med-PaLM 2.
Технологический гигант Med-PaLM 2 — это генеративная технология искусственного интеллекта, которая использует степени магистра права Google для ответа на медицинские вопросы.
В мае, Исследование, проведенное Google Research совместно с Google DeepMind, показало, что технологический гигант расширил возможности своих моделей ИИ для Med-Gemini-2D, Med-Gemini-3D и Med-Gemini Polygenic.
Компания Google заявила, что доработала возможности Med-Gemini, используя данные гистопатологии, дерматологии, 2D- и 3D-радиологии, геномики и офтальмологии.
В 2023 году Google выпустила MedLM — две основополагающие модели, созданные на основе Med-PaLM 2, предназначенные для ответа на медицинские вопросы, получения аналитических сведений из неструктурированных данных и обобщения медицинской информации.
Компания заявила, что в ходе пилотного запуска программ LLM в организациях здравоохранения она узнала, что наиболее эффективные модели ИИ предназначены для решения конкретных задач.
В результате большая модель MedLM предназначена для решения сложных задач, в то время как другая представляет собой среднюю модель, которую можно настраивать и масштабировать для решения различных задач.
Форум по кибербезопасности в здравоохранении HIMSS запланирован на период с 31 октября по 1 ноября в Вашингтоне, округ Колумбия. Узнать больше и зарегистрироваться.
.jpg)
