هنر هوش مصنوعی در تولید پروتئین‌ انسانی، گام بلند دانشمندان در جهت بهبود بسیاری از بیماری ها

هنر هوش مصنوعی در تولید پروتئین‌ انسانی، گام بلند دانشمندان در جهت بهبود بسیاری از بیماری ها

به لطف هوش مصنوعی می‌توانیم پروتئین‌ های انسانی را سریع‌تر و با نرخ موفقیت بسیار بالاتر طراحی و مولکول‌های پیچیده‌تری ایجاد کنیم.

بدن ما به طور طبیعی حدود ۲۰۰هزار پروتئین تولید می کند که همه چیز از هضم غذا گرفته تا حرکت اکسیژن در جریان خون را کنترل می‌کنند؛ اکنون، محققان در حال کار روی ایجاد پروتئین‌هایی هستند که در طبیعت یافت نمی‌شوند، به این امید که توانایی ما در مبارزه با بیماری‌ها را بهبود بخشند.

آنچه مابرای مقابله با سرطان و همه گیری مانند کرونا نیاز داریم پروتئین های جدیدی است که می تواند مشکلات را حل کند. اکنون، به لطف هوش مصنوعی می‌توانیم این پروتئین‌ های انسانی را سریع‌تر و با نرخ موفقیت بسیار بالاتر طراحی و مولکول‌های پیچیده‌تری ایجاد کنیم.

دیوید بیکر، مدیر مؤسسه طراحی پروتئین در دانشگاه واشنگتن و همکارانش سال گذشته، دو مقاله در ژورنال ساینس منتشر کردند که در آن توضیح می دادند که چگونه تکنیک های مختلف هوش مصنوعی می توانند طراحی پروتئین را تسریع کنند. اما این مقالات توسط یک مقاله جدیدتر تحت الشعاع قرار گرفتند؛ این تکنیک جدید ابزارهایی مانند DALL-E(تولید کننده تصاویر با استفاده از هوش مصنوعی و توصیف شخص) را هدایت کرده و نشان می‌دهند که چگونه پروتئین‌های جدید از ابتدا مانند عکس‌های دیجیتال تولید می شوند.

“فناوری هوشمند” رسانه تخصصی انقلاب صنعتی چهارم

DALL-E برای تولید تصاویر، به شبکه عصبی(سیستم ریاضی که روی شبکه نورون های مغز مدل سازی شده است) متکی است. این همان فناوری تشخیص فرمان‌هایی است که به گوشی هوشمندتان می‌دهید یا همان که خودروهای خودران را قادر می‌سازد عابران پیاده را شناسایی کنند.

یک شبکه عصبی با تجزیه و تحلیل حجم وسیعی از داده‌های دیجیتال، مهارت‌ها را می‌آموزد. محققان با استفاده از DALL-E، شبکه عصبی ساختند که به دنبال الگوهایی بود که میلیون‌ها تصویر دیجیتال و زیرنویس‌های متنی مربوط به هر یک از این تصاویر را تجزیه و تحلیل می‌کرد. به این ترتیب این مدل یاد گرفت که پیوندهای بین تصاویر و کلمات را تشخیص دهد.

هنگامی که یک تصویر را برای DALL-E توصیف می کنید، یک شبکه عصبی مجموعه ای از ویژگی های کلیدی که تصویر شامل آن است را ایجاد می کند. سپس، یک شبکه عصبی دوم (مدل‌های انتشاری) پیکسل های مورد نیاز برای تحقق این ویژگی ها را تولید می کند.

محتوی بیشتر از سلامتی و پزشکی هوشمند:

مدل انتشاری روی مجموعه‌ای از تصاویر آموزش داده می‌شود که در آنها نویز به تدریج به عکس اضافه شده تا زمانی که به دریایی از پیکسل‌های تصادفی تبدیل شود. مدل همانطور که این تصاویر را تجزیه و تحلیل می کند، یاد می گیرد که این فرآیند را به صورت معکوس اجرا کند یعنی وقتی پیکسل های تصادفی را به مدل می دهید، نویز را حذف و این پیکسل ها را به تصویری منسجم تبدیل می کند. محققان در دانشگاه واشنگتن از تکنیک‌های مشابهی برای ایجاد پروتئین‌های جدید استفاده می‌کنند.

پروتئین‌ها به‌عنوان رشته‌هایی از ترکیبات شیمیایی شروع می‌شوند، که سپس به شکل‌های سه‌بعدی پیچ خورده و تا می‌شوند که نحوه رفتار آنها را مشخص می‌کند. در سال‌های اخیر، آزمایشگاه‌های هوش مصنوعی مانند دیپ مایند متعلق به آلفابت، نشان دادند که شبکه‌های عصبی می‌توانند شکل سه‌بعدی هر پروتئین در بدن را بر اساس ترکیبات کوچک‌تری موجود در آن حدس بزنند.

اکنون، محققانی مانند بیکر از این سیستم‌ها برای تولید طرح‌های اولیه پروتئین‌های کاملاً جدیدی (که در طبیعت وجود ندارند) استفاده می‌کنند. هدف ایجاد پروتئین هایی است که شکل های بسیار خاصی به خود می گیرند. یک شکل خاص می تواند کار خاصی را انجام دهد، مانند مبارزه با ویروسی که باعث کووید می شود.

همان‌طور که DALL-E از رابطه بین شرح‌ها و عکس‌ها استفاده می‌کند؛ سیستم‌های مشابه می‌توانند از رابطه بین توصیف کاری که پروتئین می‌تواند انجام دهد و شکلی که می‌پذیرد، استفاده کنند. محققان طرح کلی پروتئین مورد نظر خود را ارائه داده، سپس یک مدل انتشاری شکل سه بعدی آن را ایجاد می کند.

  ” اقتصادالکترونیکی“آخرین و به روزترین محتوی در اقتصاددیجیتال

Check Also

ربات‌ جراحی پانکراس یکه تاز می‌شوند

ربات‌ جراحی پانکراس یکه تاز می‌شوند

جراحی رباتیک برای پیشبرد مراقبت‌های بهداشتی در انگلستان ادامه دارد. واحد درمانی پانکراس در بیمارستان‌های …

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *