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