Как нейросеть AlphaFold 3 трансформирует фармацевтику и биологию
На конференции TED в Сан-Франциско Макс Джадерберг, ведущий эксперт по искусственному интеллекту в Isomorphic — лаборатории Google DeepMind, рассказал о том, как нейронная сеть AlphaFold меняет подходы к созданию лекарств и пониманию биологических процессов.
Ключевые моменты:
1. AlphaFold и изменения в биологии
Работа нейросети AlphaFold привела к значительному прогрессу в определении трёхмерной структуры белков — одной из важнейших задач биологической науки за последние пятьдесят лет. Демис Хассабис и Джон Джампер из Google DeepMind были удостоены Нобелевской премии по химии в 2024 году за этот вклад.
С момента появления AlphaFold прошли всего шесть лет, но она уже сэкономила исследователям миллионы человеко-часов. Лабораторные эксперименты, которые раньше занимали годы, теперь можно выполнить за секунды благодаря вычислениям.
Использование ИИ продвинуло компьютерное моделирование на совершенно новый уровень. Это позволяет не только проводить сложные вычисления, но и детально исследовать клеточные и молекулярные процессы, которые сложно выразить математически.
2. Усложнение процесса создания лекарств
С 1950-х годов стоимость разработки новых медикаментов возрастает. Тем не менее, производительность процессоров продолжает расти по закону Мура, а недавно наблюдаются значительные улучшения в производительности графических карт по «закону Хуанга». Эти глобальные тренды, согласно Джадербергу, помогут медикам стараться разобраться с фармацевтическими трудностями.
Теперь исследователи могут проводить эксперименты моделирования: изменять химическую структуру молекул и наблюдать, как они взаимодействуют с белками. Раньше на это требовалось месяца, а теперь достаточно нескольких секунд.
3. Роль ИИ-агентов
Процесс моделирования может также выполняться не человеком, а искусственным интеллектом. Параллельный запуск большого числа ИИ-агентов на мощных вычислительных системах позволит быстро находить потенциальные препараты против различных мутаций, типов рака и прочих болезней. Это ещё один шаг к персонализированной медицине, в рамках которой можно будет подобрать индивидуальное лечение с учётом уникальных мутаций белка каждого пациента.
Источник: @hiaimedia
