Garsus dirbtinis intelektas išmoko naujos gudrybės: kaip daryti chemiją

Dirbtinis intelektas pakeitė mokslo būdus, leisdamas tyrėjams analizuoti didžiulius duomenų kiekius, sugeneruotus naudojant šiuolaikinius mokslinius instrumentus. Adatą galite rasti milijonuose šieno kupetų informacijos ir, naudodami gilus mokymasis, galite pasimokyti iš pačių duomenų. AI spartina pažangą genų medžioklė, vaistas, vaistų dizainas Y organinių junginių kūrimas.

Gilus mokymasis naudoja algoritmus, dažnai neuroninius tinklus, kurie mokomi naudoti didelius duomenų kiekius, kad išgautų informaciją iš naujų duomenų. Tai labai skiriasi nuo tradicinio skaičiavimo, kuriame pateikiamos žingsnis po žingsnio instrukcijos. Verčiau pasimokykite iš duomenų. Gilus mokymasis yra daug mažiau skaidrus nei tradicinis kompiuterių programavimas, todėl kyla svarbūs klausimai: ko išmoko sistema, ką ji žino?

Kaip chemijos mokytoja Man patinka kurti testus, kuriuose yra bent vienas sudėtingas klausimas, praplečiantis mokinių žinias, siekiant išsiaiškinti, ar jie gali derinti skirtingas idėjas ir susintetinti naujas idėjas bei koncepcijas. Mes sukūrėme tokį klausimą AI advokatų AlphaFold pavyzdžiu, kuris išsprendė baltymų lankstymo problema.

baltymų lankstymas

Baltymų yra visuose gyvuose organizmuose. Jie suteikia ląstelėms struktūrą, katalizuoja reakcijas, perneša mažas molekules, virškina maistą ir daro daug daugiau. Jie sudaryti iš ilgų aminorūgščių grandinių, kaip karoliukai ant stygos. Tačiau tam, kad baltymas atliktų savo darbą ląstelėje, jis turi susisukti ir susilankstyti į kompleksą trijų matmenų struktūra, procesas, vadinamas baltymų lankstymu. Neteisingai susilankstę baltymai gali sukelti ligą.

Una celebrada IA ​​ha aprendido un nuevo truco: Cómo hacer química

Per milisekundes nuo aminorūgščių grandinės (kairėje) išėjimo iš ribosomos, ji susilanksto į žemesnės energijos 3D formą (dešinėje), kuri reikalinga baltymų funkcijai. Kreditas: Marc Zimmer, CC BY-ND

Savo kalboje Nobelio chemijos premijai gauti 1972 m. krikščionis anfinsenas postulavo, kad tai turėtų būti įmanoma apskaičiuokite baltymo trimatę struktūrą pagal jo statybinių blokų sekąamino rūgštys.

Kaip raidžių tvarka ir tarpai šiame straipsnyje suteikia jam prasmę ir žinią, aminorūgščių tvarka lemia baltymo tapatybę ir formą, o tai lemia jo funkciją.

Dėl būdingo aminorūgščių statybinių blokų lankstumo, tipiškas baltymas gali priimti a 10 pakelta iki 300 skirtingų būdų. Tai didžiulis skaičius, daugiau nei atomų skaičius visatoje. Tačiau per milisekundę kiekvienas organizmo baltymas susilankstys į savo specifinę formą – žemiausią energijos išdėstymą iš visų baltymą sudarančių cheminių ryšių. Pakeiskite tik vieną aminorūgštį iš šimtų aminorūgščių, kurios paprastai yra baltyme, ir ji gali susilankstyti neteisingai ir nebeveikti.

AlphaFold

50 metų kompiuterių mokslininkai bandė išspręsti baltymų lankstymo problemą, tačiau nesėkmingai. tada 2016 m gilus protaspradėjo savo dukterinę „Google“ pagrindinės įmonės „Alphabet“ AI AlphaFold Programa. Naudoti baltymų duomenų bankas kaip jo treniruočių rinkinys, kuriame yra eksperimentiškai nustatytos daugiau nei 150 000 baltymų struktūros.

Mažiau nei per penkerius metus AlphaFold turėjo įveikė baltymų lankstymo problemą-bent jau naudingiausia jo dalis, būtent nustatymas baltymų struktūra iš jo aminorūgščių seka. AlphaFold nepaaiškina, kaip baltymai taip greitai ir tiksliai susilanksto. Tai buvo didžiulė DI pergalė, nes ji ne tik įgijo didelį mokslinį prestižą, bet ir buvo didelis mokslo laimėjimas, galintis paveikti kiekvieno gyvenimą.

Šiandien tokių programų dėka AlphaFold2 Y pinkTTAfold, tokie tyrinėtojai kaip aš gali nemokamai per valandą ar dvi nustatyti trijų matmenų baltymų struktūrą pagal baltymą sudarančių aminorūgščių seką. Prieš AlphaFold2 turėjome kristalizuoti baltymus ir išspręsti struktūras naudojant Rentgeno kristalografijaprocesas, kuris truko mėnesius ir kainavo dešimtis tūkstančių dolerių už vieną struktūrą.

Dabar mes taip pat turime prieigą prie AlphaFold baltymų struktūros duomenų bazė, kur „Deepmind“ sukaupė beveik visų žmonių, pelių ir daugiau nei 20 kitų rūšių baltymų 3D struktūras. Iki šiol ji išsprendė daugiau nei milijoną konstrukcijų ir vien šiais metais planuoja pridėti dar 100 milijonų struktūrų. Žinios apie baltymus smarkiai išaugo. Tikėtina, kad iki 2022 m. pabaigos bus užfiksuota pusės visų žinomų baltymų struktūra, įskaitant daugybę unikalių naujų struktūrų, susijusių su naujomis naudingomis funkcijomis.

Mąsto kaip chemikas

AlphaFold2 nebuvo sukurtas nuspėti, kaip baltymai sąveikaus tarpusavyje, tačiau jis galėjo modeliuoti, kaip atskiri baltymai susijungia su sudaro didelius kompleksinius vienetus, sudarytus iš kelių baltymų. Turėjome sudėtingą AlphaFold klausimą: ar jo struktūrinis mokymo rinkinys išmokė jį chemijos? Ar galėtumėte pasakyti, ar aminorūgštys reaguotų viena su kita, o tai reta, bet svarbu?

Una celebrada IA ​​ha aprendido un nuevo truco: Cómo hacer químicaCC BY-ND“/>

AlphaFold2 gali paimti fluorescencinių baltymų aminorūgščių seką (raidės viršuje) ir numatyti jų 3D statinės formas (viduryje). Tai nestebina. Visiškai netikėta yra tai, kad jis taip pat gali numatyti, kurie fluorescenciniai baltymai yra „sulaužyti“ ir negali fluorescuoti. Kreditas: Marc Zimmer, CC BY-ND

Esu skaičiavimo chemikas, besidomintis fluorescenciniais baltymais. Tai baltymai, randami šimtuose jūrų organizmų, tokių kaip medūzos ir koralai. Jo švytėjimas gali būti naudojamas apšviesti ir tirti ligas.

Jame yra 578 fluorescenciniai baltymai baltymų duomenų bankas, iš kurių 10 „sulaužytų“ ir nefluorescuoja. Baltymai retai puola patys save – procesas vadinamas autokatalizine posttransliacine modifikacija, todėl labai sunku nuspėti, kurie baltymai sureaguos su savimi, o kurie ne.

Tik chemikas, turintis daug žinių apie fluorescencinius baltymus, galėtų naudoti aminorūgščių seką, kad surastų fluorescuojančius baltymus, turinčius tinkamą aminorūgščių seką, reikalingą cheminėms transformacijoms, kad jie taptų fluorescuojantys. Kai pateikiame AlphaFold2 su 44 fluorescencinių baltymų sekomis, kurių nėra baltymų duomenų banke, sulankstyti fiksuoti fluorescenciniai baltymai skiriasi nuo skaldytų.

Rezultatas mus nustebino: AlphaFold2 išmoko šiek tiek chemijos. Jis išsiaiškino, kokiose aminorūgštyse yra fluorescenciniai baltymai atlikite chemiją, dėl kurios jie švyti. Įtariame, kad baltymų duomenų banko mokymo rinkinys ir kelių sekų derinimas leisti AlphaFold2 „mąstyti“ kaip cheminėms medžiagoms ir ieškoti amino rūgštys reikia reaguoti vienas su kitu, kad baltymas fluorescuotų.

Sulankstoma programa, kuri mokosi tam tikros chemijos iš mokymo rinkinio, turi ir platesnių pasekmių. Užduodami teisingus klausimus, ką daugiau galite gauti iš kitų? gilus mokymasis algoritmai? Ar veido atpažinimo algoritmai galėtų rasti paslėptus ligos žymenis? Ar algoritmai, skirti numatyti vartotojų išlaidų modelius, taip pat gali rasti polinkį į smulkias vagystes ar sukčiavimą? Ir svarbiausia, tai yra šis gebėjimas ir panašių pajėgumų šuolių kitose AI sistemose, pageidautina?



Pateikė
Pokalbis


Šis straipsnis perspausdintas iš Pokalbis pagal Creative Commons licenciją. Skaityti Originalus straipsnis.Pokalbis

Citata: garsus dirbtinis intelektas išmoko naujos gudrybės: kaip daryti chemiją (2022 m. birželio 17 d.) Gauta 2022 m. birželio 19 d. iš https://phys.org/news/2022-06-celebrated-ai-chemistry.html

Šis dokumentas yra saugomas autorių teisių. Išskyrus bet kokius sąžiningus sandorius privačiais studijų ar tyrimų tikslais, jokia dalis negali būti atkuriama be raštiško leidimo. Turinys pateikiamas tik informaciniais tikslais.

Leave a Reply

Your email address will not be published.