ປັນຍາປະດິດຈາກ DeepMind, ບໍລິສັດ Google, ໄດ້ຄາດຄະເນສົບຜົນສໍາເລັດໂຄງສ້າງຂອງທາດໂປຼຕີນຈາກ 200 ລ້ານ, ເກືອບທັງຫມົດທີ່ຮູ້ຈັກກັບວິທະຍາສາດ. ຂໍ້ມູນເຫຼົ່ານີ້, ສາມາດໃຊ້ໄດ້ສໍາລັບທຸກຄົນໂດຍບໍ່ເສຍຄ່າ, ເປັນພື້ນຖານເພື່ອເຂົ້າໃຈຊີວະວິທະຍາຂອງສິ່ງທີ່ມີຊີວິດທັງຫມົດໃນໂລກແລະສາມາດຊຸກຍູ້ການພັດທະນາຢາຫຼືເຕັກໂນໂລຢີໃຫມ່ເພື່ອຕ້ານມົນລະພິດພາດສະຕິກຫຼືການຕໍ່ຕ້ານຢາຕ້ານເຊື້ອ.
ທາດໂປຼຕີນແມ່ນສິ່ງກໍ່ສ້າງຂອງຊີວິດ. ປະກອບດ້ວຍຕ່ອງໂສ້ຂອງອາຊິດ amino, folded ເປັນຮູບຮ່າງທີ່ສົມບູນ, ໂຄງສ້າງ 3D ທີ່ກໍານົດຫນ້າທີ່ຂອງເຂົາເຈົ້າສ່ວນໃຫຍ່. ການຮູ້ວິທີການພັບທາດໂປຼຕີນເຮັດໃຫ້ພວກເຮົາພະຍາຍາມເຂົ້າໃຈວິທີການເຮັດວຽກແລະວິທີການປະຕິບັດ, ເຊິ່ງເປັນສິ່ງທ້າທາຍອັນໃຫຍ່ຫຼວງຂອງຊີວະສາດເປັນເວລາຫຼາຍກວ່າຫ້າປີ.
ປີທີ່ຜ່ານມາ, DeepMind ໄດ້ປະຫລາດໃຈກັບຊຸມຊົນວິທະຍາສາດໂດຍການປ່ອຍລະຫັດສໍາລັບ AlphaFold. ໂຄງສ້າງຂອງທາດໂປຼຕີນຈາກລ້ານ, ລວມທັງທາດໂປຼຕີນທັງຫມົດໃນຮ່າງກາຍຂອງມະນຸດ, ມີຢູ່ໃນຖານຂໍ້ມູນທີ່ສ້າງຂຶ້ນຮ່ວມກັນກັບຫ້ອງທົດລອງຊີວະສາດໂມເລກຸນເອີຣົບ (EMBL), ສະຖາບັນຄົ້ນຄ້ວາສາກົນ.
ການຄົ້ນພົບໄດ້ປ່ຽນຊີວະວິທະຍາ ແລະຢາຕະຫຼອດໄປ. ໃນສອງສາມນາທີແລະມີຄວາມຊັດເຈນຫຼາຍ, ນັກຄົ້ນຄວ້າສາມາດໄດ້ຮັບຂໍ້ມູນທີ່ກ່ຽວຂ້ອງຫຼາຍ, ສໍາລັບຕົວຢ່າງ, ກ່ຽວກັບທາດໂປຼຕີນທີ່ກ່ຽວຂ້ອງກັບພະຍາດຕ່າງໆ. ວຽກງານດັ່ງກ່າວໄດ້ຖືກຮັບຮູ້ໂດຍວາລະສານ 'ວິທະຍາສາດ' ເປັນການຄົ້ນຄວ້າວິທະຍາສາດທີ່ສໍາຄັນທີ່ສຸດຂອງປີ.
ຄວາມບໍ່ໝັ້ນຄົງດ້ານອາຫານ ແລະພະຍາດ
ການປັບປຸງໃຫມ່ທີ່ມີ 200 ລ້ານທາດໂປຼຕີນ, ການເລັ່ງທີ່ສໍາຄັນຈາກໂຮງງານເບື້ອງຕົ້ນ, ປະກອບມີໂຄງສ້າງສໍາລັບພືດ, ເຊື້ອແບັກທີເຣັຍ, ສັດແລະຈໍານວນຫຼາຍ, ອົງການຈັດຕັ້ງອື່ນໆຈໍານວນຫຼາຍ, ເປີດໂອກາດອັນໃຫຍ່ຫຼວງສໍາລັບ AlphaFold ທີ່ຈະສົ່ງຜົນກະທົບຕໍ່ບັນຫາທີ່ສໍາຄັນເຊັ່ນ: ຄວາມຍືນຍົງ, ນໍ້າມັນເຊື້ອໄຟ, ຄວາມບໍ່ຫມັ້ນຄົງຂອງອາຫານແລະການລະເລີຍ. ພະຍາດ,” ອັງກິດ Demis Hassabis, ຜູ້ກໍ່ຕັ້ງແລະ CEO ຂອງ DeepMind, ຫນຶ່ງໃນບໍລິສັດຄົ້ນຄ້ວາປັນຍາປະດິດທີ່ໃຫຍ່ທີ່ສຸດໃນໂລກ. ໄດ້ຮັບລາງວັນໃນປີນີ້ Princess of Asturias for Scientific and Technical Research, Hassabis, who was a child prodigy at chess and computer game designer, believes scientists can use the discovers to better understanding diseases and accelerate innovation in discovery of drug and biology.
ນັບຕັ້ງແຕ່ການເປີດຕົວໃນປີ 2020, ຫຼາຍກວ່າ 500 ນັກຄົ້ນຄວ້າຈາກ 000 ປະເທດໄດ້ເຂົ້າເຖິງ AlphaFold ສໍາລັບຫຼາຍກວ່າ 190 ລ້ານໂຄງສ້າງ. ພວກເຂົາເຈົ້າໄດ້ນໍາໃຊ້ມັນ, ໃນບັນດາສິ່ງອື່ນໆ, ເພື່ອເຂົ້າໃຈໂປຣຕີນທີ່ມີຜົນກະທົບຕໍ່ສຸຂະພາບຂອງເຜິ້ງແລະປ່ອຍວັກຊີນທີ່ມີປະສິດຕິຜົນຕ້ານໄຂ້ຍຸງ. ໃນເດືອນພຶດສະພາ, ນັກຄົ້ນຄວ້າທີ່ນໍາພາໂດຍມະຫາວິທະຍາໄລ Oxford ໄດ້ປະກາດວ່າພວກເຂົາໃຊ້ສູດການຄິດໄລ່ນີ້ເພື່ອຊ່ວຍກໍານົດໂຄງສ້າງຂອງທາດໂປຼຕີນຈາກແມ່ກາຝາກທີ່ສໍາຄັນຂອງພະຍາດໄຂ້ຍຸງແລະກວດສອບວ່າ anticoagulants ມີແນວໂນ້ມທີ່ຈະສະກັດກັ້ນການສົ່ງຕໍ່ຂອງແມ່ກາຝາກ.
ຮູຂຸມຂົນນິວເຄຼຍ
ການໃຊ້ AlphaFold ອີກອັນໜຶ່ງທີ່ປະສົບຜົນສຳເລັດໄດ້ອະນຸຍາດໃຫ້ພວກເຮົາປະກອບສະລັບຊັບຊ້ອນຂອງຮູຂຸມຂົນນິວເຄລຍ, ເຊິ່ງເປັນສິ່ງປິດສະໜາທີ່ຮ້າຍກາດທີ່ສຸດໃນຊີວະສາດ. ໂຄງສ້າງປະກອບດ້ວຍຫຼາຍຮ້ອຍສ່ວນຂອງທາດໂປຼຕີນແລະຄວບຄຸມທຸກສິ່ງທຸກຢ່າງທີ່ເຂົ້າໄປໃນແລະອອກຈາກແກນຂອງເຊນ. ມັນຍັງຖືກນໍາໃຊ້ເພື່ອແກ້ໄຂພະຍາດຕ່າງໆເຊັ່ນ: ພະຍາດ leishmaniasis ແລະພະຍາດ Chagas, ເຊິ່ງສົ່ງຜົນກະທົບຕໍ່ປະຊາຊົນໃນເຂດທີ່ທຸກຍາກທີ່ສຸດຂອງໂລກ, ຫຼືພະຍາດຂີ້ທູດແລະ schistosomiasis, ເປັນພະຍາດທີ່ເກີດຈາກແມ່ທ້ອງກາຝາກ. ລ້ານຄົນໃນທົ່ວໂລກ.
ເຄື່ອງມືດັ່ງກ່າວຈະຊ່ວຍປະຢັດນັກຄົ້ນຄວ້າຫຼາຍເວລາ; ການຄາດຄະເນໂຄງສ້າງທາດໂປຼຕີນແມ່ນເປັນວຽກທີ່ຫຍຸ້ງຍາກ. "AlphaFold ແມ່ນຄວາມກ້າວຫນ້າທີ່ເປັນເອກະລັກແລະສໍາຄັນໃນວິທະຍາສາດຊີວິດທີ່ສະແດງໃຫ້ເຫັນເຖິງພະລັງຂອງ AI. ການກໍານົດໂຄງສ້າງ 3D ຂອງທາດໂປຼຕີນທີ່ໃຊ້ໃຊ້ເວລາຫຼາຍເດືອນຫຼືຫຼາຍປີ, ປະຈຸບັນມັນໃຊ້ເວລາວິນາທີ,” Eric Topol, ຜູ້ກໍ່ຕັ້ງແລະຜູ້ອໍານວຍການສະຖາບັນຄົ້ນຄ້ວາ Scripps ເວົ້າ. Hassabis ປຽບທຽບມັນກັບບາງສິ່ງບາງຢ່າງທີ່ງ່າຍດາຍຄືກັບການຊອກຫາ Google.
ໂດຍ Jesús Pérez Gil, ອາຈານສອນວິຊາຊີວະສາດໂມເລກຸນແລະຊີວະເຄມີຢູ່ມະຫາວິທະຍາໄລ Complutense ຂອງ Madrid, ການຄາດຄະເນຂອງ AlphaFold ຊີ້ໃຫ້ເຫັນ "ການປ່ຽນແປງອັນໃຫຍ່ຫຼວງ" ໃນຄວາມສາມາດໃນການຄົ້ນຄ້ວາຂອງມັນ. ຄວາມ ໜ້າ ເຊື່ອຖືຂອງປັນຍາປະດິດ“ ມີຄວາມ ໜ້າ ປະທັບໃຈມາເຖິງຕອນນັ້ນ, ດີກວ່າທີ່ຈະຈິນຕະນາການ. ມັນເປັນເລື່ອງທີ່ບໍ່ຫນ້າເຊື່ອທີ່ໂຄງສ້າງເຫຼົ່ານີ້ຈໍານວນຫຼາຍມີລັກສະນະຄ້າຍຄືກັນເມື່ອພວກເຂົາໄດ້ພົບເຫັນໃນການທົດລອງ, "ລາວຍອມຮັບ. ນັກຄົ້ນຄວ້າຈື່ຈໍາວ່າສິ່ງເຫຼົ່ານີ້ແມ່ນການຈໍາລອງ, ແລະພວກເຂົາທັງຫມົດຕ້ອງໄດ້ຮັບການຢືນຢັນດ້ວຍການສຶກສາທົດລອງ. ຂັ້ນຕອນຕໍ່ໄປຈະປະກອບດ້ວຍບໍ່ພຽງແຕ່ການຮູ້ໂຄງສ້າງຂອງທາດໂປຼຕີນ, ແຕ່ຍັງຂອງການແກ້ໄຂວິທີການປ່ຽນແປງໃນເວລາທີ່ເຂົາເຈົ້າພົວພັນກັບຄົນອື່ນຫຼືກັບອົງປະກອບໂມເລກຸນອື່ນໆ.
«ທາດໂປຼຕີນແມ່ນສິ່ງທີ່ປະຕິບັດຫນ້າທີ່ຫຼາຍທີ່ສຸດໃນຈຸລັງແລະເນື້ອເຍື່ອ. ການຮູ້ວ່າພວກມັນຖືກສ້າງຕັ້ງຂື້ນແນວໃດແລະປະຕິບັດຕົວແນວໃດເມື່ອພວກເຂົາພົວພັນກັບກັນແລະກັນຫຼືກັບໂມເລກຸນອື່ນໆຈະຊ່ວຍໃຫ້ພວກເຮົາພັດທະນາເປົ້າຫມາຍການປິ່ນປົວສໍາລັບຢາ, ຄົ້ນຫາເຕັກໂນໂລຢີຊີວະພາບຫຼືອຸດສາຫະກໍາໃນອຸດສາຫະກໍາອາຫານ, ຂະບວນການອຸດສາຫະກໍາຫຼືຄວາມຍືນຍົງດ້ານສິ່ງແວດລ້ອມ, "Pérez Gil ເວົ້າ. .
