امکان شبیه سازی DNA و مولکول‌های زیستی توسط هوش مصنوعی دیپ مایند گوگل

مدل انتشاری آلفا فولد نسخه سوم AlphaFold ۳ اکنون به صورتی بالقوه قادر است بیماری‌ها را تشخیص داده و برای درمان آنها واکسن‌های جدید بسازد.

مدل انتشاری آلفا فولد  نسخه سوم AlphaFold ۳ اکنون به صورتی بالقوه قادر است بیماری‌ها را تشخیص داده و برای درمان آنها واکسن‌های جدید بسازد.

 پیشرفت اخیر هوش مصنوعی دیپ مایند گوگل به تازگی بسیار چشمگیر بوده و اکنون در به شبیه‌سازی مولکول‌های زیستی از قبیل DNA و RNA خواهد بود. این موضوع می‌تواند ساخت داروها و از واکسن‌های جدید را در آینده امکان‌پذیر کند.

در ماه‌های اخیر هیاهوهای ایجاد شده در زمینه هوش مصنوعی بیشتر به تولید محتوای دیجیتال و یا دریافت خروجی با استفاده از دستورات کاربران تعلق داشته است. این موضوع باعث نگرانی‌هایی در بین کارشناسان نسبت به افزایش بیکاری و استفاده نادرست از هوش مصنوعی در پی داشت. اما اکنون طلاعاتی در زمینه هوش مصنوعی دیپ مایند گوگل منتشر شده که نشان می‌دهد این هوش مصنوعی اکنون قادر به شبیه سازی مولکول‌های بسیار اساسی است.

نحوه اتصال و چین خوردن آمینو اسیدها در پروتئین‌ها اهمیت بسیار بالایی در پزشکی و علوم زیستی دارد. زیرا مشخص کننده نحوه تعامل آنها با دیگر ساختارهای زیستی بوده و در نهایت باعث تولید دارو یا کشف داروهای جدید و ایجاد روش‌های درمانی برای بیماری‌ها خواهد شد. اکنون گوگل تلاش دارد تا با استفاده از هوش مصنوعی دیپ مایند ساختار پروتئین‌هایی را شبیه سازی کرده و حتی به شبیه‌سازی ساختار تمامی مولکول‌های زیستی بپردازد.

هوش مصنوعی نسخه جدید این شرکت با نام آلفا فولد ۳ ‌می تواند به پژوهشگران در زمینه داروسازی، پزشکی، کشاورزی و دیگر حوزه‌ها کمک کند. نرم‌افزار این هوش مصنوعی بخشی از پروژه هوش مصنوعی دیپ مایند این شرکت محسوب می‌شود که بیش از این ساخت و شبیه سازی بیش از ۲۰۰ میلیون پروتئین را با دقت بسیار بالا در پرونده خود داشته است. طبق ادعای گوگل تاکنون میلیون‌ها محقق از نسخه قبلی این هوش مصنوعی برای دستیابی به داده‌های جدید در زمینه ساخت واکسن از جمله واکسن مالاریا طراحی آنزیم و حتی درمان سرطان استفاده کردند.

اکنون نسخه سوم از این مدل می‌تواند ساختارهای زیستی از جمله DNA و RNA را شبیه سازی کرده و بدین ترتیب کاربرد آن را در طیف بیشتری نشان دهد. همچنین نسخه جدید دارای بهبود ۵۰ درصدی در دقت شبیه سازی‌ها بوده و می‌تواند بسیار بهینه‌تر و دقیق‌تر نسبت به نسخه قبلی عمل کند. در این مدل کتابخانه‌ای عظیم از ساختارهای مولکولی کشف شده قبلی قرار دارد. محققان تنها با وارد کردن داده‌های مربوط به ترکیبات جدید یک شبیه‌سازی سه بعدی از طریق مدل انتشاری دریافت می‌کنند.

 

تکنا