ນັກຄົ້ນຄວ້າໄດ້ພົບເຫັນເຕັກນິກການຄາດເດົາທາດໂປຼຕີນຈາກ AI ແບບໃຫມ່ທີ່ອາດຈະປ່ຽນແປງອຸດສາຫະກໍາການພັດທະນາຢາຢ່າງສົມບູນ. ການນໍາໃຊ້ຄວາມສາມາດຂອງ AlphaFold 2, ວິທີການນະວະນິຍາຍນີ້ - ສ້າງໂດຍຜູ້ສະຫມັກປະລິນຍາເອກ Gabriel Monteiro da Silva ຈາກມະຫາວິທະຍາໄລ Brown - ຄາດຄະເນໂຄງສ້າງຂອງທາດໂປຼຕີນຢ່າງໄວວາ. ໂດຍການເຂົ້າໃຈເຖິງການເຄື່ອນໄຫວທີ່ສັບສົນຂອງໂຄງສ້າງທາດໂປຼຕີນແລະການສ້າງເສັ້ນທາງໃຫມ່ສໍາລັບການແຊກແຊງການປິ່ນປົວ, ວິທີການນີ້ມີທ່າແຮງທີ່ຈະປະຕິວັດຂະແຫນງການ.
ປັບປຸງຄວາມເຂົ້າໃຈກ່ຽວກັບທາດໂປຼຕີນຈາກ AI
ອົງປະກອບທີ່ສໍາຄັນຂອງວິທີການນະວະນິຍາຍນີ້ແມ່ນຄວາມສາມາດໃນການຄາດຄະເນປະຊາກອນທີ່ມີຄວາມຫນ້າເຊື່ອຖືຂອງຄວາມສອດຄ່ອງຂອງທາດໂປຼຕີນ, ເກີນຂອບເຂດຈໍາກັດຂອງແບບຈໍາລອງແບບຄົງທີ່ແບບດັ້ງເດີມ. ນະໂຍບາຍດ້ານທາດໂປຼຕີນແມ່ນວິຊາຂອງການສຶກສາທີ່ Monteiro da Silva ແລະເພື່ອນຮ່ວມງານໄດ້ກ້າວຫນ້າທາງດ້ານວິທະຍາສາດໂດຍຜ່ານການນໍາໃຊ້ AlphaFold 2, ເຊິ່ງເປັນທີ່ຮູ້ຈັກດີສໍາລັບຄວາມຖືກຕ້ອງຂອງໂຄງສ້າງຂອງທາດໂປຼຕີນ.
ວຽກງານນີ້ສະເຫນີຄວາມເຂົ້າໃຈທີ່ສົມບູນແບບຂອງກິດຈະກໍາຂອງທາດໂປຼຕີນໃນໄລຍະເວລາຕໍ່ນັກຄົ້ນຄວ້າ, ເຊິ່ງມີຜົນກະທົບທີ່ສໍາຄັນສໍາລັບການພັດທະນາຢາ.
ຄວາມຖືກຕ້ອງແລະຜົນສະທ້ອນ
ນັກຄົ້ນຄວ້າໄດ້ປຽບທຽບຂໍ້ມູນການທົດລອງຂອງເຂົາເຈົ້າເພື່ອໃຫ້ໄດ້ຮັບຄວາມຖືກຕ້ອງສໍາລັບວິທີການຄາດຄະເນຂອງເຂົາເຈົ້າ. ການສົມມຸດຕິຖານທີ່ເຂົາເຈົ້າໄດ້ເຮັດໄດ້ຮັບການສະຫນັບສະຫນູນໂດຍການທົດລອງ resonance ແມ່ເຫຼັກນິວເຄລຍ. ສະແດງໃຫ້ເຫັນປະສິດທິພາບຂອງວິທີການຂັບເຄື່ອນ AI ຂອງເຂົາເຈົ້າ, ພວກເຂົາເຈົ້າບັນລຸອັດຕາຄວາມຖືກຕ້ອງທີ່ໂດດເດັ່ນ 80%. ການກວດສອບນີ້ຊີ້ໃຫ້ເຫັນຄວາມຫນ້າເຊື່ອຖືຂອງເຕັກໂນໂລຢີແລະທ່າແຮງຂອງມັນເພື່ອເລັ່ງຂະບວນການພັດທະນາຢາ. ຜົນໄດ້ຮັບເຫຼົ່ານີ້ສະແດງໃຫ້ເຫັນວິທີການດັ່ງກ່າວສາມາດກ້າວຫນ້າການຄົ້ນຄວ້າວິທະຍາສາດເຊັ່ນດຽວກັນກັບການນໍາໃຊ້ທີ່ແທ້ຈິງໃນໂລກ.
ນອກຈາກນີ້, ຍຸດທະສາດນີ້ແມ່ນມີປະສິດທິພາບແລະປະຫຍັດຄ່າໃຊ້ຈ່າຍຫຼາຍກ່ວາເຕັກນິກການຄິດໄລ່ໃນປະຈຸບັນ, ເຊິ່ງມີຊື່ສຽງສໍາລັບການຮຽກຮ້ອງໃຫ້ມີຊັບພະຍາກອນຫຼາຍ. Monteiro da Silva ເນັ້ນຫນັກວ່າວິທີການເກົ່າແກ່ທີ່ມີລາຄາແພງແລະໃຊ້ເວລາຫຼາຍ, ເນັ້ນຫນັກວ່າມັນເປັນການເລັ່ງດ່ວນທີ່ຈະຊອກຫາທາງເລືອກທີ່ສາມາດຂະຫຍາຍໄດ້. ວິທີການນີ້ສັນຍາວ່າຈະກ້າວຫນ້າທາງດ້ານການຄົ້ນຄວ້າວິທະຍາສາດໂດຍການເລັ່ງການວິເຄາະໂດຍຜ່ານລະດັບສູງ, ໂດຍສະເພາະໃນເວລາທີ່ມັນມາກັບຄວາມເຂົ້າໃຈຂອງການເຄື່ອນໄຫວ intricate ຂອງທາດໂປຼຕີນໃນສະຖານະການພະຍາດ.
ພວກເຮົາກໍາລັງຈະເລີ່ມຕົ້ນບົດໃຫມ່ໃນປະຫວັດສາດຂອງການພັດທະນາຢາທີ່ຈະມີລັກສະນະໄວແລະຄວາມຖືກຕ້ອງຢ່າງຫຼວງຫຼາຍຍ້ອນການມາຮອດຂອງເຄື່ອງມືຄາດຄະເນທາດໂປຼຕີນຈາກ AI. ປະຈຸບັນ, ນັກຄົ້ນຄວ້າກໍາລັງຄາດເດົາວ່າວິທີການນະວະນິຍາຍນີ້ອາດຈະສົ່ງຜົນກະທົບຕໍ່ການພັດທະນາຢາແລະຊີວະວິທະຍາແນວໃດ. ເຖິງແມ່ນວ່າຄວາມຕື່ນເຕັ້ນຕໍ່ການພັດທະນາເຫຼົ່ານີ້ແມ່ນເພີ່ມຂຶ້ນ, ມີຄວາມຮູ້ສຶກທີ່ແທ້ຈິງຂອງການລໍຖ້າການຄົ້ນຄວ້າເພີ່ມເຕີມທີ່ອາດຈະເຮັດໃຫ້ການປິ່ນປົວທີ່ດີກວ່າຫຼືບາງທີການປິ່ນປົວ. ມີໂອກາດທີ່ໜ້າຕື່ນເຕັ້ນຫຼາຍອັນສຳລັບການຄົ້ນພົບອັນໃໝ່ທີ່ສາມາດປັບປຸງຊີວິດຂອງຜູ້ຄົນຈຳນວນຫຼວງຫຼາຍ ໃນຂະນະທີ່ພວກເຮົາຍັງມີຊີວິດຢູ່ໃນຊ່ວງເວລາທີ່ໜ້າອັດສະຈັນນີ້.
ທີ່ມາ: https://www.cryptopolitan.com/ai-based-protein-prediction-drug-discovery/