نسخه ۳ آلفافولد (AlphaFold) توسط گوگل DeepMind معرفی شد!
نسخه ۳ مدل هوشمصنوعی AlphaFold با همکاری گوگل DeepMind و Isomorphic Labs توسعه داده شده است. این مدل برای پیش‌بینی ساختار مولکول‌های پروتئین، DNA، RNA و سایر اجزای بیولوژیکی سازنده حیات و نحوه تعامل آن‌ها به کار می‌رود. مهم‌ترین کاربرد این مدل کشف داروهای جدید و نحوه عملکرد آن بر روی انسان است. نسخه ۲ این مدل در سال ۲۰۲۰ معرفی شد و برای کشف واکسن مالاریا، داروهای سرطان و طراحی آنزیم مورد استفاده قرار گرفت. AlphaFold 3 از تمامی نمونه‌های مشابه عملکرد بهتر و دقیق‌تری دارد و از اینجا در دسترس محققان دنیا قرار گرفته است. گوگل نحوه استفاده از این مدل قدرتمند هوشمصنوعی را در قالب یک کورس در اینجا آموزش داده است. علاوه بر این، گوگل ساختار بیش از ۲۰۰ میلیون مولکول پروتئین را که با استفاده از پروژه AlphaFold استخراج شده به صورت رایگان در اینجا در دسترس عموم قرار داده است (منبع).
#google
#deepmind
#alphafold
#isomorphic_labs
@dumannewsletter
نسخه ۳ مدل هوشمصنوعی AlphaFold با همکاری گوگل DeepMind و Isomorphic Labs توسعه داده شده است. این مدل برای پیش‌بینی ساختار مولکول‌های پروتئین، DNA، RNA و سایر اجزای بیولوژیکی سازنده حیات و نحوه تعامل آن‌ها به کار می‌رود. مهم‌ترین کاربرد این مدل کشف داروهای جدید و نحوه عملکرد آن بر روی انسان است. نسخه ۲ این مدل در سال ۲۰۲۰ معرفی شد و برای کشف واکسن مالاریا، داروهای سرطان و طراحی آنزیم مورد استفاده قرار گرفت. AlphaFold 3 از تمامی نمونه‌های مشابه عملکرد بهتر و دقیق‌تری دارد و از اینجا در دسترس محققان دنیا قرار گرفته است. گوگل نحوه استفاده از این مدل قدرتمند هوشمصنوعی را در قالب یک کورس در اینجا آموزش داده است. علاوه بر این، گوگل ساختار بیش از ۲۰۰ میلیون مولکول پروتئین را که با استفاده از پروژه AlphaFold استخراج شده به صورت رایگان در اینجا در دسترس عموم قرار داده است (منبع).
#deepmind
#alphafold
#isomorphic_labs
@dumannewsletter
کشف آنتی بیوتیک با استفاده از یادگیری ماشین
محققان دانشگاه پنسیلوانیا با استفاده از یادگیری ماشین (Machine Learning) بیش از یک میلیون آنتی بیوتیک جدید را شناسایی کردند. کشف داروی جدید با استفاده از روش‌های قدیمی ۱۰ الی ۲۰ سال زمان نیاز دارد. به گفته سازمان بهداشت جهانی استفاده گسترده از آنتی بیوتیک در انسان و حیوانات منجر به مقاومت آنتی‌بیوتیکی و کم اثر/بی اثر شدن داروهای موجود خواهد شد، از این رو شناسایی داروهای جدید برای آینده بشر اهمیت زیادی دارد. استفاده از یادگیری ماشین در کشف داروهای جدید یکی از شاخه‌های مورد توجه در این حوزه است که در سال‌های اخیر سرمایه هنگفتی را به سمت خود جذب کرده است. یکی از پروژه‌های موفق در این حوزه، پروژه #alphafold گوگل DeepMind است که در شناسایی ساختار پروتئین‌ها و نحوه تعامل آن‌ها مورد استفاده قرار گرفته است (منبع).
#drug_discovery
@dumannewsletter
محققان دانشگاه پنسیلوانیا با استفاده از یادگیری ماشین (Machine Learning) بیش از یک میلیون آنتی بیوتیک جدید را شناسایی کردند. کشف داروی جدید با استفاده از روش‌های قدیمی ۱۰ الی ۲۰ سال زمان نیاز دارد. به گفته سازمان بهداشت جهانی استفاده گسترده از آنتی بیوتیک در انسان و حیوانات منجر به مقاومت آنتی‌بیوتیکی و کم اثر/بی اثر شدن داروهای موجود خواهد شد، از این رو شناسایی داروهای جدید برای آینده بشر اهمیت زیادی دارد. استفاده از یادگیری ماشین در کشف داروهای جدید یکی از شاخه‌های مورد توجه در این حوزه است که در سال‌های اخیر سرمایه هنگفتی را به سمت خود جذب کرده است. یکی از پروژه‌های موفق در این حوزه، پروژه #alphafold گوگل DeepMind است که در شناسایی ساختار پروتئین‌ها و نحوه تعامل آن‌ها مورد استفاده قرار گرفته است (منبع).
#drug_discovery
@dumannewsletter
جایزه نوبل شیمی امسال بین سه نفر تقسیم شد. در این بین John M. Jumper و Demis Hassabis از گوگل DeepMind به خاطر توسعه مدل هوشمصنوعی AlphaFold برای پیش‌بینی ساختار مولکول‌های پروتئین و نحوه برهم کنش آن‌ها برنده جایزه نوبل شیمی شدند. در حال حاضر Demis Hassabis مدیرعامل گوگل DeepMind نیز می‌باشد.
به این ترتیب برای اولین بار در تاریخ دو جایزه نوبل فیزیک و شیمی به دانشمندان و محققان حوزه هوشمصنوعی تعلق گرفت.
#deepmind
#alphafold
#nobel
@dumannewsletter
به این ترتیب برای اولین بار در تاریخ دو جایزه نوبل فیزیک و شیمی به دانشمندان و محققان حوزه هوشمصنوعی تعلق گرفت.
#deepmind
#alphafold
#nobel
@dumannewsletter