AlphaFold: Использование ИИ для научных открытий

[alashkov83]

Рецепты этих белков, называемых генами, закодированы в нашей ДНК.

Что? Далеко не все гены являются «рецептами» белков.

За последние пять десятилетий ученые смогли распознать формы белков в лабораторных условиях с помощью экспериментальных методов, таких как криоэлектронная микроскопия, ядерный магнитный резонанс или рентгеноструктурный анализ, но каждый метод был выведен путем множества проб и ошибок, которые заняли годы и стоили десятки тысяч долларов.

Что выведено?

Наша команда сосредоточилась именно на задаче моделирования целевых форм с нуля, без использования ранее решенных белков в качестве шаблонов.

Во-первых не решенных белков, а решенных пространственных структур. Во-вторых либо авторы лукавят либо имеется ввиду, то что они напрямую не делали моделирование по гомологии первичной структуры. В данном варианте перевода можно понять так, что они не использовали экспериментальные структуры, хотя это не так — на чём то они обучали нейросеть.

Используя эти оценочные функции, мы смогли найти структуры, соответствующие нашим прогнозам.

Где найти? В RCSB PDB? Тогда подход странный. Видимо всё таки некорректный перевод.

Понимание процесса фолдинга белка также может помочь в разработке вида белка, который принесет существенный вклад в окружающую действительность.

А я не понимаю, как использование фактически чёрного ящика — нейросети поспособствует пониманию процесса фолдинга? Другое дело предсказание с целью драг-дизайна — здесь конечно есть прогресс.

[worldmind]

Всё это похоже на правильное применение нейронных сетей, это не автопилот и не диагнозы, тут ошибка не так критична, а полученный результат легко проверить если это необходимо.