هوش مصنوعی DeepMind گوگل بهتازگی توانسته پیشرفتی در زمینه شبیهسازی مولکولهای زیستی از جمله DNA و RNA داشتهباشد که میتواند نویدبخش داروها و واکسنهای جدید باشد.
هیاهوی شکل گرفته پیرامون هوش مصنوعی در ماههای اخیر بیشتر مربوط به تولید محتوای دیجیتال و دریافت خروجی با استفاده از دستورات کاربران بوده است؛ مسئلهای که نگرانی بسیاری از کارشناسان را نسبت به افزایش بیکاری و استفادههای نادرست در پی داشته است.
شبیهسازیهای هوش مصنوعی DeepMind چه اهمیتی دارد؟
داشتن اطلاعات درباره نحوه اتصال و چین خوردن آمینواسیدهای به کار رفته در پروتئینها از اهمیت بالایی در علوم زیستی و پزشکی برخوردار است؛ زیرا میتواند نحوه تعامل آنها با سایر ساختارهای زیستی را مشخص نماید و در نهایت به کشف یا تولید داروها و روشهای درمانی برای بیماریها منتهی شود. حالا گوگل سعی داشته است تا با هوش مصنوعی DeepMind خود یک قدم فراتر از گذشته برود و نهتنها ساختار پروتئینها را شبیهسازی کند، بلکه به سراغ شبیهسازی ساختار تمامی مولکولهای زیستی برود. مدل جدید این شرکت با عنوان AlphaFold ۳ میتواند به پژوهشگران حوزههای متنوع از جمله پزشکی، کشاورزی و داروسازی کمک شایانی کند.
نرمافزار آلفافولد بخشی از پروژه هوش مصنوعی DeepMind گوگل بهشمار میرود که پیش از این قادر بود ساختار بیش از ۲۰۰ میلیون پروتئین را با دقت بسیار بالایی شبیهسازی کند. گوگل ادعا دارد که میلیونها محقق از نسخه قبلی برای دستیابی به یافتههای جدید در حوزههای گوناگون از جمله واکسن مالاریا، طراحی آنزیم و درمان سرطان کمک گرفتهاند. حالا سومین نسخه از مدل AlphaFold قادر به شبیهسازی ساختارهای دیگر زیستی از جمله DNA و RNA نیز هست که طیف کاربرد آن را میتواند بسیار بیشتر از گذشته، گسترش دهد. همچنین نسخه جدید در مقایسه با قبل شاهد بهبود ۵۰ درصدی در دقت شبیهسازیها هم بوده است و میتواند دقیقتر و بهینهتر از گذشته عمل کند.
مدل آلفافولد ۳ دارای کتابخانهای عظیم از ساختارهای مولکولی است که پیش از این کشفشدهاند. پژوهشگران میتوانند با وارد کردن دادههای مربوط به ترکیبات جدید در این روش، یک شبیهسازی سهبعدی از طریق مدل انتشاری، انجام میگیرد و مشابه با آنچه است که در سرویسهای تبدیل متن به تصویر مانند Stable Diffusion و Dall-E شاهد هستیم.
گوگل اعلام کرده است که بهزودی امکان دسترسی برخی محققان به سرویس AlphaFold Server بهشکل رایگان را فراهم میسازد تا پژوهشگران از سراسر جهان بدون دسترسی به سختافزار و قدرت پردازشی بالا، بتوانند ساختار مولکولی ترکیبات مورد مطالعه خود را شبیهسازی کنند. این سرویس برای مصارف آکادمیک و غیرتجاری در دسترس قرار خواهد گرفت؛ اما برخی شرکای تجاری فعال در زمینه توسعه دارو هم میتوانند از آن استفاده نمایند.
منبع: دیجیاتو