به گزارش گروه دانشگاه خبرگزاری دانشجو، به نقل از ای آی؛ این مدل جدید نوید دموکراتیک کردن دسترسی به ابزارهای پیشرفته در زیست شناسی ساختاری را می دهد و محققان را در سراسر جهان قادر به همکاری و پیشرفت دانش علمی می کند.
دانشمندان موسسه فناوری ماساچوست (MIT) در یک پیشرفت قابل توجه برای تحقیقات زیست پزشکی و توسعه دارو، یک مدل خلاقانه هوش مصنوعی منبع باز به نام Boltz-1 را معرفی کردند.
این ابزار قدرتمند درک ساختارهای بیومولکولی را تسریع می‌کند، که جنبه‌ای حیاتی در توسعه داروها و درمان‌های جدید است.
Boltz-1 که توسط محققان کلینیک MIT Jameel برای یادگیری ماشینی در سلامت توسعه داده شده است، نقطه عطف محوری را به عنوان اولین مدل کاملاً متن باز که با قابلیت های پیشرفته AlphaFold3 گوگل رقابت می کند، نشان می دهد.
این مدل جدید نوید دموکراتیک کردن دسترسی به ابزارهای پیشرفته در زیست شناسی ساختاری را می دهد و محققان را در سراسر جهان قادر به همکاری و پیشرفت دانش علمی می کند.
رهبران توسعه Boltz-1 دانشجویان فارغ التحصیل MIT، جرمی وولوند و گابریله کورسو، در کنار سارو پاسارو، یکی از همکاران تحقیقاتی در کلینیک جمیل، و اساتید محترم MIT، رجینا بارزیلای و تامی جاکولا بودند.
مدل هوش مصنوعی
ولوند جاه طلبی پشت Boltz-1 را بیان کرد و اظهار داشت: "ما امیدواریم که این نقطه شروعی برای جامعه باشد. ما نام Boltz-1 را انتخاب کردیم تا بدانیم این پایان خط نیست. ما مشتاق مشارکت محققان در سراسر جهان هستیم.»
نقش پروتئین ها در فرآیندهای بیولوژیکی را نمی توان اغراق کرد. شکل آنها مستقیماً بر عملکرد آنها تأثیر می گذارد.
بنابراین، پیش‌بینی و درک ساختار پروتئین برای طراحی داروهای جدید و پروتئین‌های مهندسی برای کاربردهای خاص حیاتی است.
با این حال، فرآیند پیچیده تا شدن زنجیره‌های اسید آمینه به ساختارهای سه‌بعدی سال‌ها برای محققان چالش برانگیز بوده است.
مدل‌های قبلی DeepMind، مانند AlphaFold2 - که سازندگان آنها جایزه نوبل شیمی 2024 را دریافت کردند - پیشرفت‌های چشمگیری در پیش‌بینی دقیق ساختارهای پروتئینی داشته‌اند.
با این حال، انتقادات زمانی مطرح شد که AlphaFold3، که بر اساس AlphaFold2 با ترکیب یک مدل هوش مصنوعی مولد ساخته می‌شود، تنها تا حدی منبع باز و به صورت تجاری در دسترس بود.
این امر جامعه علمی را بر آن داشت تا به دنبال راه‌حل‌های جایگزین باشند که منجر به توسعه Boltz-1 مبتنی بر هوش مصنوعی شد.
بهبود کشف دارو
تیم MIT با تکرار رویکرد اساسی AlphaFold3 AI کار خود را آغاز کرد. آنها سپس به مدل انتشار مولد اساسی پرداختند و پیشرفت هایی را شناسایی کردند که دقت و کارایی را بهبود بخشید.
نتیجه نه تنها مستندات مدل، بلکه کل خط لوله برای آموزش و تنظیم دقیق Boltz-1 است که این تیم در اختیار دانشمندان دیگر قرار داده است تا از آن استفاده کنند و بر اساس آن بسازند.
رجینا بارزیلای، پروفسور و عضو تیم توسعه، فداکاری همکارانش را ستود و گفت: "من به همه کسانی که در به ثمر رساندن بولتز-1 دخیل بودند، بی نهایت افتخار می کنم. این پروژه نیازمند ساعت‌های بی‌شماری کار سخت بود و ما مشتاقیم که در آینده پیشرفت‌های بیشتری را بررسی کنیم.»
سفر برای توسعه Boltz-1 چالش های خود را داشت. Wohlwend خاطرنشان کرد که پیمایش ابهام در داده‌های بانک داده پروتئین - مخزن جامع ساختارهای زیست مولکولی - مستلزم دانش و پشتکار گسترده دامنه است.
با این حال، آزمایش های دقیق آنها تأیید کرد که Boltz-1 به سطوح دقت قابل مقایسه با AlphaFold3 در پیش بینی های مختلف مولکولی پیچیده دست می یابد. شناخت همتایان برای این پروژه بسیار مثبت بوده است.
تحقیقات زیست پزشکی
تامی جاکولا از دستاوردهای تیم تمجید کرد و گفت: «آنچه که آنها به دست آوردند قابل توجه است. کار سخت آنها پیش‌بینی ساختار بیومولکولی را در دسترس‌تر می‌کند و پیشرفت‌های علوم مولکولی را متحول می‌کند.»
ارسال نظرات