Biohub, ein von Mark Zuckerberg und Priscilla Chan gegründetes Unternehmen, kündigte die Einführung eines neuen fortschrittlichen Modells für künstliche Intelligenz an. Die Essa-Technologie wurde sorgfältig darauf trainiert, die Proteinbiologie eingehend zu untersuchen, mit dem Ziel, molekulare Strukturen zu entwerfen, die bei Behandlungen nützlicher und präziser sein können. Die offizielle Ankündigung der Initiative erfolgte direkt auf der Website des Unternehmens und markierte einen bedeutenden Schritt in der biomedizinischen Forschung.
Proteine sind lebenswichtige Bestandteile und spielen eine entscheidende Rolle, etwa beim Transport von Sauerstoff durch den Körper und bei der Bekämpfung viraler Eindringlinge. Elas sind außerdem von grundlegender Bedeutung für den Aufbau von Muskeln, die Regulierung von Zellen und die Stärkung des Immunsystems und steuern eine Vielzahl biologischer Prozesse. Doch trotz der Fortschritte bei der Vorhersage ihrer komplexen Strukturen sind viele Proteine immer noch nicht vollständig untersucht und ihre spezifischen Funktionen bleiben für die Wissenschaft ein Rätsel.
Nova-Generierung von Modelos Evolutivos in Escada (ESM)
Das Unternehmen stellt eine neue Generation von Modelos Evolutivos in Escada (ESM) vor, ein Akronym, das für „Evolutionary Scale Models“ steht. Das innovative System Este lernt aus Proteinsequenzen durch einen Prozess, der die natürliche Evolution simuliert. Das intrinsische Wissen von Esse wird dann verwendet, um Proteine digital darzustellen, abzubilden, vorherzusagen und, was entscheidend ist, mit größerer Genauigkeit zu entwerfen.
- Das ESM-System basiert auf drei Hauptartefakten, die jeweils für eine spezifische und ergänzende Funktion konzipiert sind:
- ESMFold2: Ein hochmodernes Modell, das sich durch die Vorhersage der dreidimensionalen Struktur von Proteinen auszeichnet, einem Eckpfeiler für die Entwicklung neuer Proteine mit gewünschten Eigenschaften.
- ESM Atlas: Eine umfassende Karte, die 6,8 Milliarden Proteinsequenzen sowie 1,1 Milliarden zuvor vorhergesagte Strukturen katalogisiert und so eine umfangreiche biologische Datenbank erstellt.
- ESMC: Ein hochmodernes Protein-Sprachmodell, das sorgfältig auf etwa 2,8 Milliarden Proteinsequenzen aus der gesamten Vielfalt des Lebens trainiert wurde und Ihr molekulares Verständnis verbessert.
Segundo-Informationen wurden von Biohub veröffentlicht. Dieses KI-Modell verfügt über die Fähigkeit, die Entwicklung von Proteinen, die an spezifische molekulare Ziele binden können, erheblich zu unterstützen. Die Technologie ist in der Lage, Proteine mit hoher Bindungsaffinität zu entwickeln, ein entscheidendes Merkmal für den Erfolg innovativer Therapien. Die ersten Ergebnisse wurden anhand von fünf hochrelevanten Zielen in den Bereichen Onkologie und Immunologie validiert. Das Unternehmen ist fest davon überzeugt, dass dies ein transformativer Moment im Bereich des Proteindesigns ist, der das Potenzial hat, die Art und Weise, wie Medikamente entwickelt werden, zu revolutionieren.
ESMC-Modell, das Mecanismo betreibt
ESMC stellt den neuesten Höhepunkt eines laufenden Forschungsprogramms dar, dessen Ursprünge bis ins Jahr 2019 zurückreichen. Während der Naquele-Periode gelang es dem Wissenschaftlerteam, das erste auf einer Transformatorarchitektur basierende Sprachmodell zu entwickeln, das speziell für die Analyse von Proteinsequenzen entwickelt wurde. Der intensive Trainingsprozess dieses Modells zielt darauf ab, die intrinsischen Grundeigenschaften zu verinnerlichen, die die komplexe Biologie von Proteinen bestimmen.
Essas-Eigenschaften umfassen die wesentlichen Regeln, die bestimmen, wie sich Proteine in ihre spezifischen dreidimensionalen Formen falten und wie sie mit anderen Molekülen in der zellulären Umgebung interagieren. Das Modell Adicionalmente versucht zu verstehen, wie diese Proteine ihre entscheidenden biologischen Funktionen erfüllen. Die Fähigkeit, diese Mechanismen vorherzusagen und zu verstehen, ist ein entscheidender Schritt auf dem Weg zur Manipulation und Entwicklung neuer Proteine für therapeutische oder industrielle Anwendungen.
Proteine sind komplexe Makromoleküle, deren Grundstruktur aus einer linearen Kette von Aminosäuren besteht. Quando Da diese Aminosäuren in einer bestimmten Reihenfolge zusammenkommen, können sie eine große und nahezu unbegrenzte Vielfalt an Strukturkombinationen bilden. Die spezifische Reihenfolge dieser Aminosäuren in der Kette ist der entscheidende Faktor, der die Faltung des Moleküls in eine einzigartige und hochspezifische dreidimensionale Konfiguration steuert.
Die besondere dreidimensionale Struktur von Essa wiederum definiert genau die genaue biologische Funktion, die das Protein innerhalb eines Organismus ausüben wird. In den ersten Studienphasen machten die Forscher eine relevante Entdeckung: Die entwickelten Modelle waren in der Lage, Informationen zu lernen und zu verarbeiten, die über bloße Aminosäuresequenzen hinausgingen. Eles demonstrierte die Fähigkeit, die Struktur und biologische Funktion von Proteinen zu kodieren, einschließlich Eigenschaften, die dem Modell während des Trainings nie explizit gezeigt oder beigebracht wurden.
Potencial Therapeutische und Präzisionsmedizin
Após ist ein Modell der künstlichen Intelligenz, das die komplexen biologischen Muster von Proteinen gründlich erlernt und eine bemerkenswerte Fähigkeit bewiesen hat, die dreidimensionale Form dieser Moleküle mit hoher Genauigkeit vorherzusagen. Durch die Struktur von Além gelang es ihm, die wesentlichen biologischen Funktionen zu entschlüsseln und auf innovative Weise neue Proteine zu erzeugen. Todo Dieser Prozess findet vollständig innerhalb der Rechenumgebung statt, was die Forschung drastisch beschleunigt.
Die fortschrittlichen Fähigkeiten von Essas bergen ein erhebliches Transformationspotenzial für zukünftige Anwendungen in der Medizin. Mithilfe des Modells wird der Entwurf eines Proteins, das mit einer idealen Kombination aus Stärke und Selektivität an ein spezifisches molekulares Ziel bindet, näher an die Realität herangeführt. Isso impliziert die Möglichkeit, ein größeres therapeutisches Potenzial zu entwickeln, und zwar wesentlich schneller als klassische biochemische Ansätze, die zeitaufwändig und mühsam sind.
Der technologische Fortschritt von Este ist von größter Bedeutung, insbesondere wenn man das aktuelle Szenario der Entwicklung von Behandlungen auf der Basis von Proteinen, wie etwa Antikörpern gegen Krebs, betrachtet. Atualmente müssen Wissenschaftler viel Zeit darauf verwenden, herauszufinden, welches spezifische Protein an das richtige Ziel bindet, und außerdem sicherzustellen, dass diese Bindung präzise und effektiv erfolgt. Este ist die Grundlage der sogenannten „Präzisionsmedizin“, die hochindividuelle Behandlungen anstrebt.
Allerdings ist der traditionelle Prozess der Proteinentdeckung und -validierung allgemein als äußerst kostspielig und oft zeitaufwändig bekannt. Mit der künstlichen Intelligenz von Biohub ist es möglich, eine große Anzahl von Proteinen in kurzer Zeit virtuell zu simulieren. Die Technologie kann dann vorhersagen, welche Medikamente am wahrscheinlichsten gegen ein bestimmtes Ziel wirksam sind, wodurch Ressourcen und Zeit für die Forschung und Entwicklung neuer Medikamente erheblich optimiert werden.
Validação und Studien in der Onkologie und Immunologie
Para Um die Funktionalität und Wirksamkeit des entwickelten Systems empirisch zu validieren, wählten die Biohub-Forscher eine Reihe von Proteinen aus, die in direktem Zusammenhang mit Krebs, Tumorwachstum und der komplexen Funktionsweise des Immunsystems stehen. Foram wählte klinisch relevante Ziele wie EGFR, PD-L1 und CTLA-4, die entscheidende Biomarker bei verschiedenen onkologischen und immunologischen Pathologien sind und erhebliche Herausforderungen mit sich bringen.
Anschließend wurde die künstliche Intelligenz angewiesen, Zehntausende Kandidatenproteine zu generieren. Der umfangreiche Esse-Prozess wurde in etwa zwei Tagen abgeschlossen, mit dem Hauptziel, zu testen, welches dieser Proteine die beste Interaktion und Affinität gegenüber den zuvor ausgewählten spezifischen Zielen zeigen würde. Subsequentemente, das Rechensystem, berechnete, welches der erzeugten Proteine am stabilsten wäre und die größte Wahrscheinlichkeit hätte, sich zu einer praktikablen und sicheren Behandlung zu entwickeln.
Die detaillierten Ergebnisse der Studien zeigten, dass die Steigerung der Rechenleistung der künstlichen Intelligenz zu einer erheblichen Verbesserung der Erfolgsquote von Proteindesigns geführt hat. Die Essa-Optimierung war besonders bemerkenswert und bedeutsam im Fall von Antikörpern, die nach traditionellen Ansätzen als schwieriger mit der erforderlichen Präzision an ihre jeweiligen Ziele zu binden gelten. Isso demonstriert die Skalierbarkeit und Effektivität des rechnerischen Ansatzes.
Posteriormente, die leistungsstärksten Proteine, die von künstlicher Intelligenz entworfen und ausgewählt wurden, wurden strengen Labortests unterzogen, die reale biologische Bedingungen simulieren. Algumas von ihnen bewies die effektive Fähigkeit, sich korrekt an definierte Ziele zu binden. Auch Além zeigte die gewünschte Stabilität, was ihr konkretes therapeutisches Potenzial und ihre Eignung als zukünftige Arzneimittelkandidaten bestätigt.
Biohub betont, dass Krankheiten zwar allgemeinen biologischen Mustern folgen, ein großer Teil von ihnen jedoch individuelle Merkmale aufweist, die personalisierte Ansätze erfordern. Para bestimmte Krankheiten wie Krebs und seltene Krankheiten, das Potenzial für die sofortige Anwendung dieser Technologie ist immens und vielversprechend. Das Unternehmen hat gezeigt, dass das ESM-Modell innerhalb weniger Tage laborvalidierte Proteinliganden für fünf klinisch relevante Ziele entwerfen kann. Die Arbeit von Este verändert die Geschwindigkeit der Anfangsphase des Arzneimittelentwicklungsprozesses erheblich und demokratisiert den Zugang zu fortschrittlichen Werkzeugen.