Atsižvelgdami į AI pažangą narkotikų atradimo srityje, galima sakyti, kad yra daug neišnaudotų galimybių. Ypač terapiniai nanokūnai turėjo santykinai ribotą proveržį, nes jiems reikia sudėtingų tarpdisciplininių žinių. COVID-19 pandemija paskatino per trumpą laiką sukurti terapinius nanokūnus, pasižyminčius dideliu surišimo afinitetu ir stabilumu su SARS-CoV-2. Tačiau naujo vaisto kūrimas ir bandymas reikalauja daug išteklių ir daug laiko. Tyrėjai iš Stanfordo universiteto Kompiuterių mokslo ir biomedicininių duomenų mokslo katedros ir Chan Zuckerberg Biohub, San Franciskas, naudojo svarbią sistemą Virtual Lab, kuri padėjo supaprastinti vaistų kūrimo procesą nuo jo projektavimo iki testavimo.
Įprasti metodai apima eksperimentinį didelių nanokūnų kandidatų bibliotekų patikrinimą prieš tikslinį antigeną, siekiant nustatyti didelio afiniteto rišiklius. Tačiau tam reikia daug laiko, išteklių ir darbo. Taip pat buvo sukurti skaičiavimo metodai nanokūnų kandidatams identifikuoti, tačiau buvo nustatyta, kad jiems trūksta tikslumo, o tai gali būti labai žalinga, jei būtų naudojama kaip terapinė priemonė. Atsižvelgiant į sparčius SARS-CoV-2 viruso mutacijų dažnius, būtina, kad būtų prarasta daug gyvybių, kol vaistai bus kuriami. Šie apribojimai apsunkino sveikatos priežiūros sistemą.
Siūlomas metodas naudoja virtualią laboratorijos aplinką, kurioje dirbtinio intelekto agentai, turintys skirtingas kompetencijos sritis, bendradarbiauja ir sprendžia problemą, imituodami realaus pasaulio mokslinį komandinį darbą. Po AI agentų susitikimų sukuriamas skaičiavimo vamzdynas. Pagrindiniai šio dujotiekio komponentai yra šie:
- ESM (evoliucinio masto modeliavimas): analizuoja baltymų sekas ir atkreipia dėmesį į įvairių mutacijų poveikį baltymų funkcijai ir stabilumui. Šis įrankis yra labai svarbus ieškant galimų mutacijų, kurios sustiprina nanokūnų prisijungimą prie mūsų viruso smaigalių baltymų.
- „AlphaFold-Multimer“: Norėdami prognozuoti baltymų ir baltymų sąveiką tarp viruso ir nanokūno, „AplhaFold-Multimer“ naudoja gilų mokymąsi ir sukuria didelio pasitikėjimo struktūrines prognozes.
- Rosetta: Jis naudoja kartotinį tobulinimo procesą, kad optimizuotų suprojektuotų nanokūnų trimates struktūras.
Eksperimentinis patvirtinimas parodė, kad daugiau nei 90 % sukurtų nanokūnų buvo išreikšti ir tirpūs, o du kandidatai pasižymėjo pranašesnėmis surišimo savybėmis, ypač prieš naujus SARS-CoV-2 JN.1 ir KP.3 variantus, išlaikant tvirtą sąveiką su protėvių smaigaliu. baltymų. Tai yra esminis rezultatas, norint parodyti Virtualios laboratorijos skaičiavimo sistemos veiksmingumą greitai sukuriant perspektyvius terapinius kandidatus.
Apibendrinant, šiame darbe aprašomi dirbtinio intelekto nanokūnai, pagaminti įtraukiant į esamas eksperimentines metodikas. Tokia sinergetiška kelių dirbtinių agentų sistema labai pakelia projektavimo ir patvirtinimo etapus nuo daugelio nusistovėjusių metodų, kurie paprastai reikalauja daug laiko ir išteklių. Optimalus nukreiptų nanokūnų, nukreiptų prieš SARS-CoV-2 variantus, identifikavimas suteikia esminių įrodymų, kad AI gali būti labai svarbus paspartinant terapinius atradimus. Šis naujas metodas padidina nanokūnų projektavimo efektyvumą ir palengvina greitą atsaką į kylančias virusines grėsmes. Tai suteikia jam perspektyvą, apibūdinančią didžiulį dirbtinio intelekto poveikį biomedicinos tyrimams ir jo taikymą kuriant terapiją.
Patikrinkite Popierius. Visi nuopelnai už šį tyrimą tenka šio projekto tyrėjams. Taip pat nepamirškite sekti mūsų Twitter ir prisijunk prie mūsų Telegramos kanalas ir LinkedIn group. Jei jums patinka mūsų darbai, jums patiks ir mūsų darbai naujienlaiškis.. Nepamirškite prisijungti prie mūsų 59k+ ML SubReddit.
🎙️ 🚨 „Didelių kalbos modelio pažeidžiamumų įvertinimas: lyginamoji raudonųjų komandų sudarymo metodų analizė“ Skaitykite visą ataskaitą (Paaukštintas)
Afeerah Naseem yra „Marktechpost“ konsultacinė praktikantė. Ji tęsia bakalauro laipsnį Indijos technologijos institute (IIT), Charagpūre. Ji aistringai domisi duomenų mokslu ir žavisi dirbtinio intelekto vaidmeniu sprendžiant realaus pasaulio problemas. Jai patinka atrasti naujas technologijas ir tyrinėti, kaip jos gali palengvinti ir efektyvinti kasdienes užduotis.
🧵🧵 (Atsisiųsti) Didelių kalbų modelio pažeidžiamumo ataskaitos įvertinimas (reklamuojamas)
