This media is not supported in your browser
VIEW IN TELEGRAM
Это AI для разработки новых белков. Он поможет в разработке лекарств, для лечения рака, аутоиммунных заболеваний, а так же лечения множества других заболеваний 🧬
Ученые предрекают возможность создания нового белкового материала, который будет связываться с белками, участвующими в передаче сигналов между раковыми клетками, нарушая их функцию и вызывая их гибель
Исследователи смогу смоделировать и лучше понять, как функционируют биологические системы, сэкономить время на исследованиях, усовершенствовать разработку лекарств и многое другое. 🧵
Анонс
Статья
@ai_machinelearning_big_data
#deepmind #ai #ml #biology #biotech
Please open Telegram to view this post
VIEW IN TELEGRAM
👍70🔥21❤8🥰2
🧬 Chai‑2: перспективный инструмент для дизайна антител с помощью ИИ
Несмотря на прогресс в проектировании белков, создать рабочие антитела с нуля до сих пор было почти невозможно.
Но новая модель Chai‑2 менянт правила игры.
Chai‑2 — это мультимодальная генеративная модель, которая впервые позволяет проектировать функциональные антитела de novo ( в биологии и биоинформатике означает создание чего-либо с полного нуля, без использования готовых шаблонов или существующих структур.) с высокой точностью.
📊 Результаты:
• 16% антител показали нужную биологическую активность при генерации с нуля — это в 100+ раз лучше, чем у предыдущих методов (аньше hit-rate был <0.1%)
• Создано ≤20 антител для 52 уникальных целей (это разные белки, молекулы или структуры, к которым ИИ должен был спроектировать подходящие антитела)
• Найдены активные антитела для 50% целей — всего за один цикл лабораторного тестирования
• Из 100 спроектированных минибелков 68 реально работали, как задумано, в лабораторных тестах.
🧪 ИИ придумывает молекулу → учёные её синтезируют → тестируют в лаборатории — и всё это занимает меньше двух недель. Раньше на такой цикл уходили месяцы или даже годы.
📦 Почему это важно:
• Такой метод ускоряет разработку антител и препаратов
• Убирает необходимость в дорогостоящем скрининге миллионов вариантов
• Даёт возможность атомарного дизайна молекул под конкретные мишени
📄 Полный отчет: chaiassets.com/chai-2/paper/technical_report.pdf
@ai_machinelearning_big_data
#ml #biotech #ai
Несмотря на прогресс в проектировании белков, создать рабочие антитела с нуля до сих пор было почти невозможно.
Но новая модель Chai‑2 менянт правила игры.
Chai‑2 — это мультимодальная генеративная модель, которая впервые позволяет проектировать функциональные антитела de novo ( в биологии и биоинформатике означает создание чего-либо с полного нуля, без использования готовых шаблонов или существующих структур.) с высокой точностью.
📊 Результаты:
• 16% антител показали нужную биологическую активность при генерации с нуля — это в 100+ раз лучше, чем у предыдущих методов (аньше hit-rate был <0.1%)
• Создано ≤20 антител для 52 уникальных целей (это разные белки, молекулы или структуры, к которым ИИ должен был спроектировать подходящие антитела)
• Найдены активные антитела для 50% целей — всего за один цикл лабораторного тестирования
• Из 100 спроектированных минибелков 68 реально работали, как задумано, в лабораторных тестах.
🧪 ИИ придумывает молекулу → учёные её синтезируют → тестируют в лаборатории — и всё это занимает меньше двух недель. Раньше на такой цикл уходили месяцы или даже годы.
📦 Почему это важно:
• Такой метод ускоряет разработку антител и препаратов
• Убирает необходимость в дорогостоящем скрининге миллионов вариантов
• Даёт возможность атомарного дизайна молекул под конкретные мишени
📄 Полный отчет: chaiassets.com/chai-2/paper/technical_report.pdf
@ai_machinelearning_big_data
#ml #biotech #ai
🔥78❤16👍7🥰4👌2
🦠 AI научился создавать вирусы, убивающие бактерии
Учёные из Stanford и Arc Institute показали, что генеративные модели способны проектировать полноценные геномы вирусов. И не просто на бумаге - синтезированные последовательности успешно заразили бактерии.
🧬 Впервые ИИ доказал, что может предлагать не только отдельные мутации или белки, а целые геномные архитектуры с рабочими генами и правильным порядком их расположения.
Как это получилось:
- Обучили Evo-модель на 2 млн геномов фагов.
- Модель научилась распознавать закономерности, при которых генетический набор остаётся жизнеспособным.
- Вместо копирования известных решений ИИ предлагал новые комбинации: добавленные или усечённые гены, перемешанный порядок.
- Синтезированные цепочки внедрили в E. coli, и те показали классический результат заражения - «пятна» на бактериальной культуре.
Проектирование целых геномов - крайне сложная задача. Большинство случайных вариантов нежизнеспособны, ведь нужно учесть промоторы, кодирующие области, рамки считывания и правила упаковки.
🟠 Что дальше:
- В краткосрочной перспективе такой подход может ускорить разработку фаготерапии и векторов для генной терапии.
- Но масштабирование до клеточных организмов будет намного сложнее - ДНК E. coli в 1000 раз больше, а запуск клетки с «голой ДНК» невозможен.
Один из авторов, студент Samuel King, предупреждает:
>
🟢 Подробнее: https://www.technologyreview.com/2025/09/17/1123801/ai-virus-bacteriophage-life/
@ai_machinelearning_big_data
#ai #ml #biotech
Учёные из Stanford и Arc Institute показали, что генеративные модели способны проектировать полноценные геномы вирусов. И не просто на бумаге - синтезированные последовательности успешно заразили бактерии.
🧬 Впервые ИИ доказал, что может предлагать не только отдельные мутации или белки, а целые геномные архитектуры с рабочими генами и правильным порядком их расположения.
Как это получилось:
- Обучили Evo-модель на 2 млн геномов фагов.
- Модель научилась распознавать закономерности, при которых генетический набор остаётся жизнеспособным.
- Вместо копирования известных решений ИИ предлагал новые комбинации: добавленные или усечённые гены, перемешанный порядок.
- Синтезированные цепочки внедрили в E. coli, и те показали классический результат заражения - «пятна» на бактериальной культуре.
Проектирование целых геномов - крайне сложная задача. Большинство случайных вариантов нежизнеспособны, ведь нужно учесть промоторы, кодирующие области, рамки считывания и правила упаковки.
- В краткосрочной перспективе такой подход может ускорить разработку фаготерапии и векторов для генной терапии.
- Но масштабирование до клеточных организмов будет намного сложнее - ДНК E. coli в 1000 раз больше, а запуск клетки с «голой ДНК» невозможен.
Один из авторов, студент Samuel King, предупреждает:
>
«У этой технологии огромный потенциал. Но любые эксперименты с опасными вирусами вроде оспы или сибирской язвы вызывают серьёзные опасения».
@ai_machinelearning_big_data
#ai #ml #biotech
Please open Telegram to view this post
VIEW IN TELEGRAM
1🤓96🔥48😨24❤13🤔12👍11👏6🕊2
🧬Gemma C2S-Scale 27B помогла учёным найти новый способ борьбы с раком
Исследователи из Google Research и Calico применили эту модель, чтобы анализировать активность генов в клетках и искать вещества, усиливающие иммунный отклик против опухолей.
В чем сложность: многие опухоли остаются «холодными» - иммунная система их «не замечает». Чтобы обратить это, нужно вызвать экспрессию антигенов (antigen presentation), но делать это точно, только там, где уже есть слабый иммунный сигнал, но не всем клеткам подряд.
Gemma смогла предсказать, что комбинация препарата silmitasertib (ингибитор CK2) и низкой дозы интерферона повышает экспрессию MHC-I - это делает “холодные” опухоли более заметными для иммунной системы.
🔬 Результаты лабораторных тестов подтвердили прогноз модели:
- совместное применение действительно усилило работу антигенов примерно на 50 % и это может стать основой для новых видов иммунотерапии.
Главное достижение: ИИ не просто ускорил анализ данных, а сформулировал новую научную гипотезу, которая нашла подтверждение в реальных экспериментах.
Это пример того, как большие модели выходят за рамки генерации текста - они начинают открывать новые лекарства и механизмы действия.
🟠 Подробнее: https://blog.google/technology/ai/google-gemma-ai-cancer-therapy-discovery
🟠 Статья: https://www.biorxiv.org/content/10.1101/2025.04.14.648850v2
🟠 Github: https://github.com/vandijklab/cell2sentence
@ai_machinelearning_big_data
#AI #GoogleDeepMind #BioTech
Исследователи из Google Research и Calico применили эту модель, чтобы анализировать активность генов в клетках и искать вещества, усиливающие иммунный отклик против опухолей.
В чем сложность: многие опухоли остаются «холодными» - иммунная система их «не замечает». Чтобы обратить это, нужно вызвать экспрессию антигенов (antigen presentation), но делать это точно, только там, где уже есть слабый иммунный сигнал, но не всем клеткам подряд.
Gemma смогла предсказать, что комбинация препарата silmitasertib (ингибитор CK2) и низкой дозы интерферона повышает экспрессию MHC-I - это делает “холодные” опухоли более заметными для иммунной системы.
🔬 Результаты лабораторных тестов подтвердили прогноз модели:
- совместное применение действительно усилило работу антигенов примерно на 50 % и это может стать основой для новых видов иммунотерапии.
Главное достижение: ИИ не просто ускорил анализ данных, а сформулировал новую научную гипотезу, которая нашла подтверждение в реальных экспериментах.
Это пример того, как большие модели выходят за рамки генерации текста - они начинают открывать новые лекарства и механизмы действия.
@ai_machinelearning_big_data
#AI #GoogleDeepMind #BioTech
Please open Telegram to view this post
VIEW IN TELEGRAM
👍80❤42🔥19👏5💘5❤🔥1🤨1