Egyes becslések szerint 2-3 év, mások szerint 10 év múlva következik be a radikális fordulat, így már most megéri komolyan venni a kvantum-számítástechnika előnyeit és várható kockázatait, mondja Bent Dalager, a KPMG Denmark innovációért és új technológiákért felelős vezetője.
Az AlphaFold új változata már a DNS, az RNS és a fehérjékhez kötő gyógyszerhatóanyagok szerkezetét is meg tudja határozni, ami jelentősen felgyorsíthatja az új hatóanyagok felfedezését.
A forradalmi fehérjekutató algoritmusra, az AlphaFoldra épülő mesterséges intelligenciával több tízmillió genetikai variánsról fedték fel, hogy patogén-e vagy sem.
A május elején bemutatott ProteinGenerator fehérjetervező algoritmus a remények szerint képes lesz a kívánt jellemzőkkel rendelkező fehérjéket tervezni. Ezek segíthetnek a biológiai folyamatok jobb megértésében és idővel akár új terápiák létrehozásában is.
A fehérjék szekvenciájából 3D szerkezeteket előállító AlphaFold2 mesterséges intelligencia 2020-ban megoldotta a molekuláris biológia egyik legnagyobb problémáját. Az algoritmusok legújabb versenyén az is körvonalazódott, hogy merre halad tovább a terület.
Az embereknek több évtized alatt 100 ezret sikerült.
A Google-féle DeepMind legújabb AI-modellje az aminosavak sorrendjéből egész pontosan megfejti a fehérjék háromdimenziós térszerkezetét. A mesterséges intelligencia forradalmasíthatja a gyógyszerkutatást: van olyan rákkutató cég, ahol az AlphaFold2 a korábbi egy hónapról néhány órára csökkentette a hatóanyag-jelölt fehérjék megtalálását.
A fehérjék 3D alakzatainak aminosav-szekvenciákból való hajszálpontos előrejelzésével a DeepMind szoftvere átalakítja mindazt, amit a biológiáról eddig tudtunk; évekkel felgyorsítja a sejtek működésének megértését, a fehérjetervezést, a gyógyszerkutatást és a hulladékot lebontó enzimek tervezését.
Egyre közelebb kerülünk ahhoz, hogy pontosan meg tudjuk jósolni a fehérjék szerkezetét, ami forradalmasíthatja a biokémiát, és közelebb vihet súlyos betegségek gyógyításához is.