Konstgjord Intelligens Från Google Har Studerat Strukturen För Coronavirus - Alternativ Vy

Konstgjord Intelligens Från Google Har Studerat Strukturen För Coronavirus - Alternativ Vy
Konstgjord Intelligens Från Google Har Studerat Strukturen För Coronavirus - Alternativ Vy

Video: Konstgjord Intelligens Från Google Har Studerat Strukturen För Coronavirus - Alternativ Vy

Video: Konstgjord Intelligens Från Google Har Studerat Strukturen För Coronavirus - Alternativ Vy
Video: Artificiell intelligens - maskiner och människor 2024, April
Anonim

DeepMind, den artificiella intelligensen (AI) -gruppen hos Google, har anslutit sig till det globala forskarsamhället som studerar den nya coronavirus, COVID-19.

DeepMind är mest känd för sin AI som lätt besegrade världens bästa Go- och StarCraft II-spelare. Forskningslaboratoriet använder för närvarande sitt system för att hjälpa forskare att bekämpa epidemin.

För att studera ett virus och utveckla ett vaccin måste forskare först förstå hur det fungerar, nämligen strukturen för virala proteiner. Detta är en lång process som tar månader och kanske inte alltid ger resultat. Forskare har vänt sig till datorprognoser med hjälp av ett djupt inlärningssystem som kallas AlphaFold.

Arbetet med koronaviruset pågår i laboratorier runt om i världen. DeepMind hoppas kunna hjälpa dessa studier genom att "släppa strukturella förutsägelser för flera lite kända proteiner associerade med SARS-CoV-2, viruset som orsakar COVID-19." Systemet använder en maskininlärningsmetod utan miljömodellering, som kan användas för att förutsäga proteinstrukturer i frånvaro av liknande proteinstrukturer.

DeepMind hoppas rädda forskare de månader som det vanligtvis tar för att bestämma proteinets struktur. "Att känna till proteinets struktur är en viktig resurs för att förstå hur det fungerar, men experiment för att bestämma strukturen kan ta månader eller mer," säger företagets officiella blogg.

Med tanke på den "potentiella svårighetsgraden och tidsramen" sade DeepMind att det kommer att hoppa över den experimentella valideringsprocessen eller vänta på peer review av det akademiska samfundet innan publicering. Detta är i linje med andra forskningsstudier om ämnet som visas i både peer-review-tidskrifter och icke-peer-granskade förtryck, eftersom processen kan ta månader.

"Vi betonar att dessa strukturprognoser inte har testats experimentellt, men vi hoppas att de kan bidra till det vetenskapliga samhällets arbete om hur viruset fungerar och fungerar som en plattform för att generera hypoteser för framtida experimentellt arbete med utveckling av terapeutiska medel." sa i ett blogginlägg.

Teamet konstaterar att uppgifterna "inte är huvudfokus för aktuell terapeutisk aktivitet", men kan hjälpa till att få en allmän förståelse.”Det är viktigt att notera att vårt strukturförutsägelsessystem fortfarande är under utveckling och att vi inte kan vara säkra på noggrannheten i strukturerna vi tillhandahåller, även om vi är övertygade om att systemet är mer exakt än vårt tidigare CASP13-system. Vi har bekräftat att vårt system ger en korrekt förutsägelse för den experimentellt bestämda SARS-CoV-2-strukturen lagrad i Protein Data Bank, vilket ger oss förtroende för att våra modellprognoser för andra proteiner kan vara användbara,”sade forskarna.

Kampanjvideo:

En öppen licens tillåter alla forskare att utveckla, anpassa eller dela resultaten av DeepMind-forskning. Google förvärvade London-baserade forskningsorganisationen DeepMind för £ 400 miljoner tillbaka 2014. Företaget har tidigare använt AI för hälsoforskning, utvecklat modeller för att identifiera ögonsjukdomar och upptäcka nackcancer.

Alibaba bedriver också coronavirusforskning. Till exempel tillkännagav forskare från ett kinesiskt företag utvecklingen av en maskininlärningsalgoritm som kan upptäcka lunginflammation orsakad av det nya coronavirus COVID-19 med en noggrannhet av 96%, vilket skiljer den från inflammationer av en annan karaktär. Enligt Nikkei Asian Review kommer analysen att kräva en CT-skanning av patientens bröst. Efter att ha analyserat bilden i 20 sekunder ger systemet ett svar - läkaren skulle behöva många bilder och minst 15 minuter.

Algoritmen har tränats på 5 000 bilder av lungorna hos patienter med bekräftad coronavirusinfektion och används redan på minst 100 sjukhus i hela Kina.

Rekommenderas: