Инструмент на основе искусственного интеллекта предсказывает функции неизвестных белков
Внедрение искусственного интеллекта (ИИ) в биоинформатику открывает новые перспективы для исследования клеточных процессов. Ученые из KAUST разработали новый инструмент, названный DeepGO-SE, который использует логические выводы для расшифровки функций неизвестных белков.
Этот инновационный метод превосходит существующие аналитические методы прогнозирования функций белков и способен анализировать даже те белки, которые не имеют совпадений в существующих наборах данных. Результаты исследования, опубликованные в журнале Nature Machine Intelligence, свидетельствуют о перспективности применения DeepGO-SE в области белковых исследований.
Основой данного инструмента являются большие языковые модели, аналогичные тем, которые используются в генеративных инструментах искусственного интеллекта, таких как Chat-GPT. Затем DeepGO-SE использует логический вывод, чтобы сделать значимые выводы о молекулярных функциях белков на основе общих биологических принципов.
Суть этого инструмента заключается в том, что он позволяет компьютерам логически обрабатывать результаты исследований, строя модели функций белка и выводя наиболее правдоподобные сценарии на основе здравого смысла и рассуждений о том, что должно произойти в данной модели.
Применение DeepGO-SE может быть широким и разнообразным. Он позволяет рассуждать над данными и гипотезами, сгенерированными нейронными сетями или другими моделями машинного обучения. Этот новый инструмент открывает возможности для более точного и детального изучения внутренней работы клеток и расшифровки их молекулярных функций.
Использование искусственного интеллекта в биоинформатике становится все более востребованным, и инструменты, подобные DeepGO-SE, открывают новые горизонты для исследователей. Эта технология может привести к более глубокому пониманию клеточных механизмов и позволить разработку новых лекарственных препаратов и терапий. В долгосрочной перспективе, интеграция искусственного интеллекта в биологические исследования может привести к прорывам в медицине и биотехнологии.
Исследователи из KAUST и Швейцарского института биоинформатики работали вместе с Стефаном Арольдом, чтобы проверить эффективность модели в расшифровке функций неизвестных белков. Их инструмент, DeepGO-SE, успешно предсказал молекулярные функции белков на основе аминокислотной последовательности и их взаимодействия с другими белками. Точность модели была настолько высокой, что она вошла в список топ-20 алгоритмов на международном конкурсе прогнозирования функций.
Команда KAUST продолжает использовать DeepGO-SE для исследования функций неизвестных белков, найденных в растениях, произрастающих в экстремальных условиях пустыни Саудовской Аравии. Они надеются, что их результаты будут полезны для поиска новых белков с биотехнологическим потенциалом, и призывают других исследователей воспользоваться этим уникальным инструментом.
Кульманов отмечает, что возможность DeepGO-SE анализировать неизвестные белки может значительно облегчить задачи, связанные с разработкой лекарств, анализом метаболических путей, выявлением связей с заболеваниями, белковой инженерией, скринингом целевых белков и многим другим. Этот инструмент имеет огромный потенциал для научно-исследовательских и биотехнологических приложений.
