پرش به محتوای اصلی
پرش به محتوای مقاله

Biohub: نرخ موفقیت ۸۸ درصدی ESMFold2 در طراحی پروتئین‌های ضدسرطان

·۷ خرداد ۱۴۰۵۲ دقیقه مطالعه
اشتراک‌گذاری

تصور کنید سال‌ها تلاش در آزمایشگاه برای یافتن یک پروتئین هدف، حالا در چند هفته به نتیجه برسد. اگر پژوهشگر حوزه درمان هستید، باید بدانید که قواعد بازی در کشف داروهای هدفمند تغییر کرده است.

این تحول از طریق ESMFold2 محقق شده است؛ ابزاری که طبق گزارش‌های منتشر شده، در پیش‌بینی ساختار پروتئین از مدل مشهور AlphaFold پیشی گرفته است. این مدل بر پایه یک مدل زبانی پروتئین (Protein Language Model) — مثل مترجمی که تمام کتاب‌های زیست‌شناسی را خوانده و حالا می‌تواند زبان طبیعت را ترجمه کند — ساخته شده است. همان‌طور که در تحلیل‌های قبلی ما درباره‌ی کاربردهای هوش مصنوعی در پزشکی اشاره کردیم، سرعت بخشیدن به مرحله‌ی «طراحی» کلید کاهش هزینه‌های دارویی است.

Biohub، سازمان غیرانتفاعی تحت حمایت مارک زاکربرگ و پریسیلا چن، این مدل را در قالب یک ابتکار ۵۰۰ میلیون دلاری برای زیست‌شناسی مجازی عرضه کرده است. جزئیات فنی این سیستم عبارتند از:

  • آموزش بر روی ۲.۸ میلیارد توالی پروتئینی.
  • دستیابی به نرخ موفقیت ۳۶ تا ۸۸ درصدی در طراحی پیونددهنده‌ها (Binders) برای پنج هدف سرطان و بیماری‌های ایمنی.
  • معرفی ESM Atlas که نقشه‌ای از ۶.۸ میلیارد توالی پروتئینی و ۱.۱ میلیارد ساختار پیش‌بینی‌شده را ارائه می‌دهد.

اوپن‌ای‌ای شکاف استدلال در عامل‌های صوتی را برطرف می‌کند

به نقل از گزارش ۲۸ می ۲۰۲۴، این ابزار اجازه می‌دهد پژوهشگران ارتباطات تکاملی جدیدی را پیدا کنند که پیش از این برای چشم انسان نامرئی بود. پیش‌بینی ساختار پروتئین — که شبیه به تا کردن یک کاغذ اوریگامی پیچیده، تنها با داشتن لیستی از دستورات است — اکنون با دقت و سرعت بی‌سابقه‌ای انجام می‌شود.

این اقدام، توازن قدرت در صنعت بیوتکنولوژی را تغییر می‌دهد. با متن‌باز کردن این زیرساخت، Biohub مانع از آن می‌شود که چند آزمایشگاه خصوصی، «مدل جهانی» زیست‌شناسی را در انحصار بگیرند. در نتیجه، هزینه مراحل اولیه کشف دارو به یک خدمت عمومی تبدیل می‌شود.

یک مدل جهانی برای پروتئین‌ها اینجاست

گام بعدی شما

  • بررسی نقشه‌ی پروتئینی در ESM Atlas برای شناسایی اهداف درمانی جدید.
  • دنبال کردن نتایج نخستین آزمایش‌های بالینی که از پروتئین‌های مشتق‌شده از این مدل استفاده می‌کنند.
  • رصد grants مربوط به بنیاد OpenAI که اواخر سال جاری برای پروژه‌های تحول‌آفرین منتشر می‌شود.

مدل جهانی برای پروتئین‌ها اینجاست

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است؛ برای درک اینکه این مدل‌ها روی چه تراشه‌هایی آموزش دیده‌اند، به تحلیل ما درباره‌ی پردازنده‌های گرافیکی نسل جدید مراجعه کنید.

چرا این موضوع مهم است؟

این پروژه با تکیه بر اعتبار مالی CZI و رویکرد متن‌باز، انحصار شرکت‌های بزرگی مثل DeepMind را در پیش‌بینی ساختار پروتئین می‌شکند. این تغییر باعث می‌شود دسترسی به ابزارهای سطح اول (SOTA) برای تمام مراکز تحقیقاتی جهان فراهم شود.

این گزارش با خط‌لولهٔ خودکار دات‌هوش از منابع معتبر جهانی تدوین و زیر نظر تحریریه منتشر شده است. روش کار ما

گفتگو

پنج‌شنبه‌های هوش‌محور

بسته‌ی هفتگی دات‌هوش

۵ خبر، ۲ ابزار، ۱ پرامپت در هر شماره. به‌زودی راه‌اندازی می‌شود — هر پنج‌شنبه صبح.

خبر کلیدی
ابزار کاربردی
پرامپت حرفه‌ای
تحلیل پژوهش
به‌زودی
زاویه‌ی ایرانی
به‌زودی
تمرین این هفته
به‌زودی

راهنماهای دات‌هوش

راهنماهای کاربردیِ دات‌هوش برای کار با هوش مصنوعی — از همین‌جا شروع کنید:

دات‌هوش

راهنمای فارسی هوش مصنوعی — با نگاه به ایران

اخبار روزانه، معرفی ابزارها و مدل‌ها، و آموزشِ کار با هوش مصنوعی؛ همیشه با این پرسش که از ایران چه چیزی کار می‌کند و چه چیزی نه.