MIT naučnici predstavljaju generativni AI model koji može stvoriti…
Više od 300 ljudi iz akademije i industrije okupilo se u auditoriju kako bi prisustvovali seminaru BoltzGen održanom 30. listopada 2023. godine, koji je organizirao Abdul Latif Jameel Clinic for Machine Learning in Health (MIT Jameel Clinic). Na čelu događanja bio je Hannes Stärk, doktorand s MIT-a i prvi autor BoltzGen-a, koji je model predstavio upravo nekoliko dana prije.
BoltzGen je izgrađen temeljem otvorenog biomolekularnog modela za predviđanje strukture koji je predvidio afinitet vezanja proteina i stekao veliku pažnju tijekom ljeta. Ovaj model je prvi svog vrste koji je napravio korak dalje, generirajući nove proteine koji se mogu koristiti u procesu otkrivanja lijekova.
Tri ključna inovacija čine ovo mogućim: prvo, BoltzGenova sposobnost izvođenja različitih zadataka, ujedinjujući dizajn proteina i predviđanje strukture dok se održava vrhunska performansa. Drugo, ugrađene ograničenja u modelu su dizajnirani uz povratne informacije od suradnika iz laboratorija kako bi se osiguralo stvaranje funkcionalnih proteina koji ne krše zakone fizike ili kemije. Treće, rigorozan proces evaluacije testira model na “nedostupnim” bolestima ciljevima, testirajući granice BoltzGenovih mogućnosti generiranja vezanja.
Većina modela u industriji ili akademiji sposobna je samo za predviđanje strukture ili dizajn proteina. Osim toga, oni su ograničeni na generiranje određenih vrsta proteina koji uspješno vezuju ciljeve. Poput učenika koji odgovaraju na testna pitanja koja izgledaju kao njihovi zadaci za kućnu zadaću, modeli često rade ako su podaci za obuku slični cilju tijekom dizajna vezanja. Međutim, postojeći metodi uglavnom se evaluiraju na ciljevima za koje već postoje strukture s vezanjem, i često slabe u performansi kada se koriste na izazovnijim ciljevima.
“Postoji nekoliko modela koji pokušavaju riješiti dizajn vezanja, ali problem je što su ti modeli specifični za modalitet”, ističe Stärk. “Opći model ne znači samo da možemo riješiti više zadataka. Dodatno, dobivamo bolji model za pojedinačni zadatak jer emuliranje fizike uči se po primjeru, a s općim shemom treniranja, pružamo više takvih primjera koji sadrže općenite fizičke obrasce.”
Istraživači BoltzGen-a testirali su model na 26 ciljeva, od terapeutski relevantnih slučajeva do onih izričito odabranih zbog njihove nesličnosti s podacima za obuku. Ovaj opsežni proces validacije, koji se odvijao u osam laboratorija širom akademije i industrije, pokazuje širinu i potencijal modela za prekretničko otkrivanje lijekova.
Parabilis Medicines, jedan od suradnika iz industrije koji je testirao BoltzGen u laboratorijskom okruženju, pohvalio je njegov potencijal: “Osjećamo da će usvajanje BoltzGen-a u naše postojeće Helicon peptide platforme za računalno modeliranje promijeniti naše napredovanje u razvoju transformativnih lijekova protiv velikih ljudskih bolesti.”
Otvoreni izdanja Boltz-1, Boltz-2 i sada BoltzGen (koji je prikazan na 7. konferenciji za molekularno učenje 22. listopada) donose nove mogućnosti i transparentnost u razvoju lijekova. Međutim, također signaliziraju da bi biotehnička i farmaceutska industrija mogla morati preispitati svoje ponude.
Uzbuđenje oko BoltzGen-a na društvenoj mreži X podigao je pitanje Justin Grace, glavni znanstvenik za strojnog učenje u LabGeniusu. “Vremensko kašnjenje između privatnog i otvorenog izvođenja za sustave AI razgovora je [sedam] mjeseci i pada”, napisao je u objavi. “Izgleda da je to čak kraće u prostoru proteina. Kako će tvrtke za vezanje kao uslugu moći [vratiti] uloženi novac kada možemo samo čekati nekoliko mjeseci za besplatnu verziju?”
Za one u akademiji, BoltzGen predstavlja proširenje i ubrzanje mogućnosti znanstvenog istraživanja. “Pitanje koje moji studenti često postavljaju mi je, ‘gdje AI može promijeniti igru u terapeutici?'”, kaže seniorni suautor i MIT profesorica Regina Barzilay, voditeljica AI-a za Jameel Clinic i suradnica na Odjelu za računarstvo i umjetnu inteligenciju (CSAIL). “Ako ne identificiramo nedostupne ciljeve i predložimo rješenje, nećemo promijeniti igru”, dodaje. “Ovdje je naglasak na neriješenim problemima, što razlikuje Hannesov rad od drugih u području.”
Seniorni suautor Tommi Jaakkola, Thomas Siebel profesor elektrotehnike i računarstva, ističe da je BoltzGenov pristup jedinstven zbog svoje sposobnosti da generira nove proteine koji se mogu koristiti u procesu otkrivanja lijekova. “BoltzGen je jedinstven zbog svoje sposobnosti da generira nove proteine koji se mogu koristiti u procesu otkrivanja lijekova”, kaže Jaakkola. “To otvara nove mogućnosti za razvoj lijekova protiv nedostupnih bolesti.”
Tri ključna inovacija BoltzGen-a
Jedinstvenost BoltzGen-a
BoltzGen se ističe po svojoj jedinstvenosti u svijetu umjetne inteligencije. Dok većina postojećih modela može samo predvidjeti strukturu proteina ili dizajnirati nove proteine, BoltzGen kombinira ove dvije funkcije u jedan model. To ga čini jedinstvenim jer može generirati nove proteine koji su spremni za korištenje u procesu otkrivanja lijekova.
Ograničenja dizajnirana uz povratne informacije
Jedna od ključnih inovacija BoltzGen-a je ugrađena ograničenja koja su dizajnirana uz povratne informacije od suradnika iz laboratorija. To osigurava da model generira funkcionalne proteine koji ne krše zakone fizike ili kemije. Ovo je važno jer smanjuje rizik od stvaranja proteina koji nisu praktično koristivi.
Rigorozan proces evaluacije
BoltzGen je prošao rigorozan proces evaluacije koji ga je testirao na “nedostupnim” bolestima ciljevima. Ovo je važno jer pokazuje da model može generirati proteine koji se mogu koristiti protiv bolesti koje su do sada bile nedostupne za tretman.
Prednosti i nedostaci BoltzGen-a
Prednosti
Jedna od najvećih prednosti BoltzGen-a je njegova sposobnost da generira nove proteine koji su spremni za korištenje u procesu otkrivanja lijekova. To otvara nove mogućnosti za razvoj lijekova protiv nedostupnih bolesti. Osim toga, model je dizajniran uz povratne informacije od suradnika iz laboratorija, što osigurava da generirani proteini budu funkcionalni i praktično koristivi.
Nedostaci
Jedna od mogućih slabosti BoltzGen-a je njegova ovisnost o dostupnosti podataka za obuku. Ako su podaci za obuku ograničeni ili nisu reprezentativni, model može imati poteškoće s generiranjem proteina koji su praktično koristivi. Osim toga, iako je BoltzGen vrlo napredan, još uvijek je u razvoju i može imati ograničenja u svojoj trenutnoj verziji.
Primjeri upotrebe BoltzGen-a
Razvoj lijekova protiv raka
Jedna od mogućih primjena BoltzGen-a je u razvoju lijekova protiv raka. Model može generirati proteine koji se mogu koristiti kao ciljevi za nove lijekove, otvarajući nove mogućnosti za tretman raka. Ovo je posebno važno jer postojeći lijekovi često ne djeluju na sve vrste raka.
Lijekovi protiv genetičkih bolesti
BoltzGen također može biti koristan u razvoju lijekova protiv genetičkih bolesti. Model može generirati proteine koji se mogu koristiti kao ciljevi za nove lijekove, otvarajući nove mogućnosti za tretman genetičkih bolesti. Ovo je posebno važno jer genetičke bolesti često imaju složene molekularne mehanizme.
Lijekovi protiv infekcija
BoltzGen također može biti koristan u razvoju lijekova protiv infekcija. Model može generirati proteine koji se mogu koristiti kao ciljevi za nove lijekove, otvarajući nove mogućnosti za tretman infekcija. Ovo je posebno važno jer mnoge infekcije uzrokuju otpornost na postojeće lijekove.
Zaključak
BoltzGen predstavlja prekretnicu u svijetu umjetne inteligencije i razvoja lijekova. Njegova sposobnost da generira nove proteine koji su spremni za korištenje u procesu otkrivanja lijekova otvara nove mogućnosti za razvoj lijekova protiv nedostupnih bolesti. S rigoroznim procesom evaluacije i dizajnom uz povratne informacije, BoltzGen pokazuje veliki potencijal za promjene u medicinskom istraživanju.
Često postavljana pitanja
Kako BoltzGen radi? BoltzGen kombinira funkcije predviđanja strukture i dizajna proteina u jedan model, što ga čini jedinstvenim. Model je dizajniran uz povratne informacije od suradnika iz laboratorija, što osigurava da generirani proteini budu funkcionalni i praktično koristivi.
Može li BoltzGen generirati proteine protiv svih bolesti? BoltzGen je prošao rigorozan proces evaluacije koji ga je testirao na “nedostupnim” bolestima ciljevima. Međutim, iako je vrlo napredan, još uvijek je u razvoju i može imati ograničenja u svojoj trenutnoj verziji.
Je li BoltzGen dostupan za javnost? Da, BoltzGen je dostupan za javnost kao otvoreni izvor. To omogućuje znanstvenicima širom svijeta da ga koriste i unapređuju.
Kako će BoltzGen utjecati na industriju razvoja lijekova? BoltzGen otvara nove mogućnosti za razvoj lijekova protiv nedostupnih bolesti. Njegova sposobnost da generira nove proteine koji su spremni za korištenje u procesu otkrivanja lijekova može promijeniti igru u medicinskom istraživanju.
Je li BoltzGen siguran za korištenje u laboratorijskim okruženjima? Da, BoltzGen je dizajniran uz povratne informacije od suradnika iz laboratorija, što osigurava da generirani proteini budu funkcionalni i praktično koristivi. Model je prošao rigorozan proces evaluacije koji ga je testirao na “nedostupnim” bolestima ciljevima.
Kako će BoltzGen utjecati na akademsko istraživanje? BoltzGen predstavlja proširenje i ubrzanje mogućnosti znanstvenog istraživanja. Njegova sposobnost da generira nove proteine koji se mogu koristiti u procesu otkrivanja lijekova otvara nove mogućnosti za razvoj lijekova protiv nedostupnih bolesti.
Je li BoltzGen jedinstven u svijetu umjetne inteligencije? Da, BoltzGen se ističe po svojoj jedinstvenosti u svijetu umjetne inteligencije. Njegova sposobnost da kombinira funkcije predviđanja strukture i dizajna proteina u jedan model čini ga jedinstvenim.
