AlphaFoldの「祖先」はAlphaGoアルゴリズムであり、誰よりも上手くプレイし始めました。 ソース：DeepMind
過去数年にわたり、Deep Mindの開発者は、多くのプロジェクトのおかげで有名になりました。 特に、Go、古典的なAtariタイトル、およびマシンが「理解」するのが難しい他のゲームをプレイするために、人工知能（その弱い形式）を教えました。 今、より深刻な研究の番です-Deep Mindは、AIの分子生物学への専門化を徐々に変えています。
より正確には、人工知能は、アミノ酸配列の断片に基づいてタンパク質の構造を予測するように教えられています-これらのタンパク質寿命のレンガ。 問題のプロジェクトはAlphaFoldと呼ばれていました 。 AIは、遺伝学者が数年にわたって組み立てたシーケンスに基づいたトレーニングのおかげで、人間よりも速く正確に動作することを彼らに教えました。
タンパク質の構造を予測する必要がある構造予測の重要な評価（CASP）競争では、Deep Mind人工知能が1位になり、98人の参加者の中でリーダーになりました。 AIは、43種類のタンパク質のうち25種類の構造を正しく予測できました。 2位は、43個のタンパク質のうち3個の構造を正しく予測することができたチームです。 「競争」の間、各チームには毎月特定のアミノ酸のセットが送られました。 これは数か月間続いています。 すべての要素を受け取ったチームは、これらのアミノ酸が構成するタンパク質の構造を予測する必要がありました。 構造は以前は科学者によって決定されていたので、主催者は正しい答えを持っていました。
タンパク質は生命の基盤であるため、科学にとってこの種の研究は非常に重要です。 したがって、タンパク質の構造を予測すると、多くの生物学的機能とプロセスを理解することができます。 場合によっては、科学者は特定のタンパク質の構造を予測するのに何年も費やすことに注意する価値があります。 問題は、通常、DNAにはアミノ酸配列に関するデータがありますが、それらの鎖を形成する構造はないことです。
人体には膨大な種類のタンパク質が含まれています。 さまざまな推定によると 、数十億に達する可能性があります。 タンパク質構造など-数字は300個のゼロを持つ数字を表します。 タンパク質の3D形状は、アミノ酸の量、鎖の長さなど、多くの要因に依存します。 空間構造は、特定のタンパク質が人体で果たす役割によっても決定されます。
たとえば、心臓細胞はタンパク質を使用して構築され、折り畳まれているため、人間の循環系を通過するアドレナリン分子が遅延し、心拍が加速されます。 身体の能力と能力のほとんどは、筋肉の収縮から視覚まで、特定のタンパク質の形状に依存しています。
タンパク質構造が複雑になるほど、モデル化が難しくなります。 新世紀の問題と考えられているいくつかの病気は、タンパク質構造の誤った折り畳みによって引き起こされることに注意する価値があります。 そのような疾患には、特に、アルツハイマー病、パーキンソン病、嚢胞性線維症、およびハンチントン病が含まれる。
ソース：DeepMind
特定のタイプのタンパク質の構造を理解すると、これらのタンパク質に積極的に影響を与えることができる試薬が作成されます。 こぼれた油の清算または安価で急速に腐敗するプラスチックの作成は、ユーザーケースと呼ばれます。
DeepMindの代表者の1人によると 、彼らの研究は新しい時代の前兆です。 この作品は、科学と技術の両方の基本的な問題を解決するものの1つです。 DeepGoのスペシャリストが、AlphaGoアルゴリズムが世界チャンピオンのリー・セドルで試合に勝った後、新しいAIの作成を開始したことは注目に値します。
その後、人工知能は、モンテスマの復includingを含む、機械にとって難しいコンピューターゲームのプレイ方法を教えました。 開発者は、AIの強さを示すために、ゲームでポイントを獲得することは決して目標ではなかったと言います。 本当の目標は、タンパク質の構造やその予測など、科学技術の問題を解決するのに役立つアルゴリズムの開発です。
科学者はAlphaFoldに、アミノ酸のペア間の距離と化学結合の配置を決定することを教えることができました。 2番目のステップは、各推定タンパク質の最もエネルギー効率の高い構造を見つけることでした。 今では、アルゴリズムはタスクを完了するのに数時間しかかかりません-人々は同じものに数ヶ月から数年を費やしています。