Läpimurto proteiinitutkimuksessa: AI-työkalu paljastaa tuntemattomien proteiinien salaisuudet

Erittäin merkittävässä kehitystyössä tutkijat ovat luoneet keinotekoisen älykkyyden (AI) työkalun, joka pystyy määrittämään tuntemattomien proteiinien toiminnon poikkeuksellisen tarkasti. King Abdullahin tiede- ja teknologiayliopistossa (KAUST) toimivien tutkijoiden kehittämä työkalu, nimeltään DeepGO-SE, ylittää aiemmat menetelmät ennustaessaan proteiinien toimintoja ja pystyy analysoimaan proteiineja, joille ei ole selvää vastinetta olemassa olevissa tietojoukoissa.

DeepGO-SE käyttää suuria kielimalleja, jotka ovat samankaltaisia kuin ne, joita käytetään generatiivisessa tekoälyssä. Se menee kuitenkin askeleen pidemmälle käyttämällä loogista päätelmää proteiinien toimintojen merkityksellisten johtopäätösten tekemiseen. Rakentamalla malleja yleisten biologisten periaatteiden perusteella, työkalu pystyy loogisesti käsittelemään tuloksia ja päättelemään todennäköisimmän skenaarion proteiinin toiminnolle.

KAUST Bio-Ontology Research Groupin johtajan Robert Hoehndorfin mukaan tällä menetelmällä on laajat sovellusmahdollisuudet, erityisesti silloin kun kyse on datan ja muiden koneoppimismallien tuottamien hypoteesien pohdinnasta. Työkalu on osoittanut tehokkuutensa ennustaessaan huonosti ymmärrettyjen proteiinien molekyylifunktioita, ohittaen yli 1600 algoritmia kansainvälisessä ennustetyökalukilpailussa.

KAUST-tiimi käyttää nyt DeepGO-SE-työkalua tutkiessaan salaperäisten proteiinien toimintoja, jotka esiintyvät aavikkokasveissa äärimmäisissä olosuhteissa. He toivovat, että tämä työkalu paljastaa uusia proteiineja, jotka voivat olla hyödyllisiä bioteknologisissa sovelluksissa. DeepGO-SE:n mahdolliset käyttötarkoitukset ovat laajat ja sisältävät lääkekehityksen, metabolisen reitin analyysin, sairausliittojen, proteiinimuokkauksen sekä tiettyjen kiinnostavien proteiinien seulonnan.

Tämä läpimurto lupaa mullistaa proteiinitutkimuksen tarjoamalla tutkijoille tehokkaan työkalun solujen sisäisten toimintojen selvittämiseen. Tuntemattomien proteiinien analysointi ja niiden toimintojen ennustaminen nopeuttaa huomattavasti biologisten prosessien ymmärtämistä ja avaa uusia mahdollisuuksia innovaatioille ja löydöksille eri aloilla. Tutkijat ympäri maailmaa ovat innokkaasti ottaneet vastaan tämän tekoälytyökalun ja sen potentiaalin tuntemattomien proteiinien salaisuuksien avaamiseen.

UKK:

1. Mikä on läpimurto proteiinitutkimuksessa?
– Tutkijat ovat luoneet tekoälytyökalun nimeltä DeepGO-SE, joka pystyy määrittämään tuntemattomien proteiinien toiminnon poikkeuksellisen tarkasti.

2. Kuka kehitti DeepGO-SE-työkalun?
– Työkalu kehitettiin King Abdullahin tiede- ja teknologiayliopistossa (KAUST).

3. Miten DeepGO-SE ylittää aiemmat menetelmät proteiinien toimintojen ennustamisessa?
– DeepGO-SE käyttää suuria kielimalleja, jotka ovat samankaltaisia kuin ne, joita käytetään generatiivisessa tekoälyssä. Se menee askeleen pidemmälle käyttämällä loogista päätelmää proteiinien toimintojen merkityksellisten johtopäätösten tekemiseen yleisten biologisten periaatteiden perusteella.

4. Mitkä ovat DeepGO-SE:n laajat käyttömahdollisuudet?
– DeepGO-SE:tä voidaan käyttää datan ja hypoteesien pohdintaan, lääkekehitykseen, metabolisten reittien analyysiin, sairausliittoihin, proteiinimuokkaukseen sekä tiettyjen kiinnostavien proteiinien seulontaan.

5. Kuinka tehokas DeepGO-SE on?
– DeepGO-SE on ennustanut huonosti ymmärrettyjen proteiinien molekyylifunktioita menestyksekkäästi ja ohittanut yli 1600 algoritmia kansainvälisessä ennustetyökalukilpailussa.

Määritelmät:

– Tekoäly (AI): Tietokonejärjestelmien tai koneiden kehittäminen, jotka pystyvät suorittamaan tehtäviä, jotka yleensä vaatisivat inhimillistä älykkyyttä.

– Proteiini: Suuri biomolekyyli, joka koostuu yhdestä tai useammasta aminohappoketjusta ja suorittaa monenlaisia ​​toimintoja elävissä organismeissa.

– Looginen päätelmä: Kahden lausunnon välinen suhde, jossa toisen totuus implikoi toisen totuuden.

Ehdotetut liittyvät linkit:

– King Abdullahin tiede- ja teknologiayliopisto (KAUST)
– ScienceDirect (tieteellisten artikkeleiden pääverkkotunnus)

The source of the article is from the blog myshopsguide.com

Privacy policy
Contact