Новости космоса и технологий. » Химия » Исследователи используют языковые инструменты искусственного интеллекта для декодирования молекулярных движений

Исследователи используют языковые инструменты искусственного интеллекта для декодирования молекулярных движений

Опубликовал: Admin, 10-10-2020, 01:01, Химия, 40, 0

Исследователи используют языковые инструменты искусственного интеллекта для декодирования молекулярных движений

Применяя инструменты обработки естественного языка к движениям белковых молекул, ученые из Мэрилендского университета создали абстрактный язык, который описывает множество форм, которые может принимать белковая молекула, а также то, как и когда она переходит из одной формы в другую.

А молекула белка Функция часто определяется его формой и структурой, поэтому понимание динамики, которая контролирует форму и структуру, может открыть дверь к пониманию всего, от того, как работает белок до причин заболеваний, и наилучшего способа разработки целевых лекарственных препаратов. Это первый раз, когда алгоритм машинного обучения был применен к биомолекулярной динамике таким образом, и успех метода дает понимание, которое также может помочь в развитии искусственного интеллекта (ИИ). А научная работа Об этой работе была опубликована 9 октября 2020 года в журнале Nature Communications .

«Здесь мы показываем, что те же архитектуры ИИ, которые используются для завершения предложений при написании электронных писем, могут использоваться для раскрытия Языка , На котором говорят Молекулы Жизни», - сказал старший автор статьи Пратюш Тивари, доцент в Департаменте химии и биохимии UMD и Институте физических наук и технологий. «Мы показываем, что Движение Этих молекул может быть отображено на Абстрактном языке , И что методы искусственного интеллекта можно использовать для создания биологически правдивых историй из полученных абстрактных слов».

Биологические молекулы постоянно находятся в движении, покачиваясь в окружающей среде. Их форма определяется тем, как они сложены и скручены. Они могут оставаться в заданной форме в течение нескольких секунд или дней, прежде чем внезапно распрямиться и снова сложиться в другую форму или структуру. Переход от одной формы к другой происходит так же, как растяжение запутанной спирали, которая постепенно открывается. Когда различные части клубка освобождаются и разворачиваются, молекула принимает разные промежуточные конформации.

Но переход от одной формы к другой происходит за пикосекунды (триллионные доли секунды) или быстрее, что затрудняет экспериментальным методам, таким как мощные микроскопы и спектроскопия, точно определить, как происходит разворачивание, какие параметры влияют на разворачивание и что возможны разные формы. Ответы на эти вопросы составляют биологическую историю, которую может раскрыть новый метод Тивари.

Тивари и его команда применили законы движения Ньютона, которые могут предсказывать движение атомов внутри молекулы, с помощью мощных суперкомпьютеров, в том числе Deepoughtt2 от UMD, для разработки статистических физических моделей, имитирующих форму, движение и траекторию отдельных молекул.

Затем они загрузили эти модели в алгоритм машинного обучения, подобный тому, который Gmail использует для автоматического завершения предложений по мере ввода. Алгоритм подошел к моделированию как к языку, на котором каждое молекулярное движение образует букву, которую можно связать вместе с другими движениями, чтобы образовать слова и предложения. Изучая правила синтаксиса и грамматики, которые определяют, какие формы и движения следуют друг за другом, а какие нет, алгоритм предсказывает, как белок распутывается по мере того, как он меняет форму, и различные формы, которые он принимает на этом пути.

Чтобы продемонстрировать, что их метод работает, команда применила его к небольшой биомолекуле под названием рибопереключатель, которая ранее была проанализирована с помощью спектроскопии. Результаты, которые показали, что рибопереключатель может принимать различные формы при растяжении, совпадают с результатами спектроскопических исследований.

«Я надеюсь, что одним из наиболее важных применений этого является разработка лекарств, которые имеют очень большое значение», - сказал Тивари. «Вы хотите иметь сильнодействующие лекарства, которые очень сильно связываются, но только с тем, с чем вы хотите, чтобы они связывались. Мы можем достичь этого, если поймем различные формы, которые может принимать данная интересующая биомолекула, потому что мы можем производить лекарства которые привязываются только к одной из этих конкретных форм в нужное время и только на столько, сколько мы хотим ».

Не менее важной частью этого исследования являются знания, полученные о системе языковой обработки, которую использовал Тивари и его команда, которую обычно называют рекуррентная нейронная сеть , и в этом конкретном случае сеть с долговременной краткосрочной памятью. Исследователи проанализировали математику, лежащую в основе сети, когда она выучила язык молекулярного движения. Они обнаружили, что сеть использует своего рода логику, похожую на важную концепцию из статистической физики, называемую энтропией путей. Понимание этого открывает возможности для улучшения повторяющихся нейронных сетей в будущем.

«Естественно спросить, существуют ли основные физические принципы, делающие инструменты ИИ успешными, - сказал Тивари. «Здесь мы обнаруживаем, что на самом деле это происходит потому, что ИИ изучает энтропию пути. Теперь, когда мы это знаем, он открывает больше ручек и механизмов, которые мы можем настроить, чтобы улучшить ИИ для биологии и, возможно, амбициозно, даже улучшить сам ИИ. Каждый раз, когда вы понимаете сложную систему, такую ​​как ИИ, она становится все менее черным ящиком и дает вам новые инструменты для более эффективного и надежного использования ».


Источник


У данной публикации еще нет комментариев. Хотите начать обсуждение?

Написать комментарий
Имя:*
E-Mail:
Введите код: *
Кликните на изображение чтобы обновить код, если он неразборчив


Поиск по сайту
Полезные ссылки
Оцените работу сайта

TEHNONEWS

Новости космоса технологий нанотехнологий физики и химии