Новая нейромодель, которая ускорит разработку лекарств
AlphaProteo — еще одна мощная ИИ модель от Google DeepMind для биотеха, которая может значительно ускорить разработку эффективных лекарств с меньшим количеством побочных эффектов для лечения рака, аутоиммунных расстройств и многого другого.
🔥 Еще больше интересного в моем канале продуктовые штучки**
AlphaProteo изучает способы связывания белков друг с другом и разрабатывает новые белки, способные эффективно доставлять лекарства именно в нужные клетки.
DeepMind — исследовательская лаборатория, дочерняя компания Google. Была приобретена Google в 2014 году. Еще одна известная разработка компании — AlphaFold (построение трёхмерных моделей белков, используется для анализа биоструктуры почти всех молекул, включая белки, ДНК и РНК).
В чем сложность?
Одна из гигантских проблем разработки лекарств - невозможность доставить лекарство исключительно в нужные клетки организма. Из-за этого возникают, к примеру, побочные эффекты. Ее можно решить, например, инкапсулировав лекарство в белок - «связыватель», который раскроется, только когда попадет внутрь целевой клетки.
Такие связующие белки трудно разработать. Традиционные методы требуют много времени и нескольких раундов сложной лабораторной работы.
Суть открытия
AlphaProteo изучает сложные способы связывания белков друг с другом. Анонсированная 5 сентября модель AlphaProteo от DeepMind выглядит очень полезной для такой задачи поиска связующих белков.
Обученный на больших объемах данных о белках и более 100 млн предсказанных структур, AlphaProteo изучил бесчисленное множество способов связывания молекул друг с другом.
И AlphaProteo не просто ищет существующие «посылки», но и генерирует новые, позволяя ученым разрабатывать биоструктуры с полезными функциями.
Учитывая структуру целевой молекулы и набор предпочтительных мест связывания на этой молекуле, AlphaProteo генерирует белок-кандидат, который связывается с целью в этих местах.
И есть ещё одна возможность для фарм индустрии. Функция белка зависит от его структуры, если мы прикрепили что-то к белку, его функция может измениться. И DeepMind очень старается помочь предсказывать возможные варианты взаимодействий, а значит, дает возможность разрабатывать новые белки.
Успех в создании важных связывающих белков
Для тестирования AlphaProteo разработали связующие вещества для 7 различных целевых белков, включая два вирусных белка, участвующих в инфекции, а также пять белков, участвующих в развитии рака, воспаления и аутоиммунных заболеваний. А потом проверили в настоящей лаборатории.
Связыватели AlphaProteo связываются в среднем в 10 раз сильнее, чем лучшие существующие методы проектирования.
Модель AlphaProteo имеет высокие показатели успешности связывания и лучшую в своем классе силу связывания.
Сетка иллюстраций предсказанных структур семи целевых белков, для которых AlphaProteo сгенерировал связующие вещества.
Для одной конкретной цели (вирусного белка BHRF1) при тестировании в Google DeepMind Wet Lab 88% молекул успешно связались с целевыми клетками.
Что это дает?
Во-первых, AlphaProteo может радикально сократить время поиска с связующих белков, а значит, на годы сократить время разработки лекарств.
Помимо этого, есть еще сферы применения AlphaProteo:
1. Понимание факторов, вызывающих заболевания.
2. Ускорение разработки диагностических тестов для выявления вспышек вирусов.
3. Разработка лекарств / методов лечения с меньшим количеством побочных эффектов
4. Очистка окружающей среды от загрязняющих веществ.
Пожалуйста, поддержите меня, поставьте лайк!
Исследователи из Janelia Research Campus наблюдали за тысячами нейронов в гиппокампе мышей в режиме реального времени, смогли понять и визуализировать процесс обучения мышей. Подтвердилась гипотеза о когнитивной карте, которая формируется при решении задач.
Это еще одна компания Маска, о которой он регулярно поражает общественность или новостями (например, о чиже для восстановлении зрения) или шокирует своими прогнозами (что через 10 лет будут миллионы «дополненных» людей с чипами). Разберемся, чего реально можно ожидать.
Вы когда-нибудь ловили себя на мысли: «Я пашу в зале, а результатов всё нет»? Я - да. И каждый раз задавался вопросом: что я делаю не так? Менял программы, считал белки, спал как царь. Вроде работает, а вроде и нет. Но однажды я понял: проблема не в тренировках, а в том, что я просто не вижу, куда иду. Это как ехать в незнакомый город без карты — в…
Прогноз от MIT Technology Review. Расскажу, кто уже являются первопроходцами и в каких направлениях ждать новостей.
Такое заявление было сделано на недавнем внутреннем стратегическом совещании, с праздничными свитерами. Расскажу, почему на это стоит обратить внимание.
Google Gemini 2.0 — значительное обновление ядра работы искусственного интеллекта от Google, которое компания представила сегодня, — предназначено для того, чтобы помочь генеративному ИИ перейти от ответов на вопросы пользователей к выполнению действий самостоятельно, рассказал генеральный директор Google DeepMind Демис Хассабис.
Итак, какие же доказательства помогут вам подтвердить, что работы выполнены, а услуги оказаны? Исходя из моего опыта, это (сохраняйте, пригодится):