Skip to content
„Anthropic“ DI padarė mokslinį atradimą: aptikta iki šiol nežinoma fermentų sistema

Dirbtinio intelekto robotas.

„Anthropic“ DI padarė mokslinį atradimą: aptikta iki šiol nežinoma fermentų sistema

Dirbtinis intelektas vis dažniau naudojamas ne tik informacijai apibendrinti, bet ir tikriems moksliniams atradimams. „Anthropic“ paskelbė, kad jos modelis „Claude“ padėjo aptikti iki šiol neaprašytą fermentų sistemą su CRISPR sistemą primenančiomis pasikartojančiomis DNR sekomis.

REKLAMA

„Anthropic“ teigimu, bendrovės gyvybės mokslų komanda naudojo „Claude“ didžiuliams DNR duomenų rinkiniams analizuoti. Modelio užduotis buvo ieškoti neįprastų baltymų šeimų, formuoti hipotezes ir padėti tyrėjams nuspręsti, ką verta tikrinti laboratorijoje.

DI ieško to, ko žmogus gali nepastebėti

Biologijoje vienas didžiausių iššūkių yra milžiniškas duomenų kiekis. Genomuose slypi milijonai sekų, kurių funkcija nėra gerai suprasta. Tokiose duomenų bazėse DI gali ieškoti struktūrinių panašumų ir neįprastų kombinacijų gerokai greičiau nei žmogus.

REKLAMA

„Anthropic“ pabrėžia, kad galutinis atradimas nebuvo paremtas vien modelio atsakymu. Hipotezės buvo tikrinamos eksperimentais laboratorijoje. Tai svarbi detalė: DI čia veikė kaip mokslinio proceso dalis, o ne kaip galutinio rezultato arbitras.

Gali prasidėti naujas biologinių atradimų etapas

CRISPR technologijų istorija jau parodė, kad bakterijų gynybos mechanizmų tyrimai gali virsti visiškai naujomis biotechnologijomis. Kol kas per anksti sakyti, ar naujai aptikta sistema turės panašų potencialą, tačiau pats atradimo metodas yra ne mažiau įdomus.

Šis atvejis svarbus todėl, kad DI čia naudojamas ne vien kaip paieškos ar teksto apibendrinimo priemonė. Modelis tampa hipotezių generavimo sluoksniu. Biologijos duomenų bazėse yra milžiniški kiekiai sekų ir baltymų, apie kuriuos mokslas turi tik dalinę informaciją. Žmogus gali tyrinėti konkrečią šeimą ar mechanizmą, o modelis gali sistemingai ieškoti neįprastų sąsajų daug platesniame duomenų lauke.

REKLAMA

Tai potencialiai keičia mokslinio darbo tempą. Tradiciniame procese tyrėjas iš literatūros ir ankstesnių eksperimentų suformuluoja kelias hipotezes, tada laboratorijoje jas tikrina. DI gali pasiūlyti daugiau kandidatų, išrikiuoti juos pagal tikėtiną įdomumą ir padėti nuspręsti, kuriuos verta tikrinti pirmiausia. Svarbiausia, kad galutinis įrodymas vis tiek lieka eksperimentinis – biologijoje gražiai skambanti modelio išvada nėra atradimas tol, kol jos nepatvirtina laboratoriniai duomenys.

CRISPR istorija šioje vietoje yra gera analogija. Iš pradžių neįprastos pasikartojančios bakterijų DNR sekos atrodė kaip siauras fundamentinės biologijos klausimas. Vėliau paaiškėjo, kad jos yra mikroorganizmų apsaugos mechanizmo dalis ir tapo pagrindu vienai svarbiausių genų redagavimo technologijų. Tai nereiškia, kad kiekviena nauja fermentų sistema taps tokio masto technologija, tačiau parodo, kodėl verta ieškoti anksčiau nepastebėtų biologinių mechanizmų.

DI pranašumas čia taip pat nėra vien „greitis“. Modeliai gali jungti informaciją iš sekų, baltymų struktūrų, funkcinių anotacijų ir mokslinės literatūros. Jei šie sluoksniai integruojami teisingai, mokslininkas gauna ne tik kandidatų sąrašą, bet ir paaiškinimą, kodėl konkretus kandidatas gali būti įdomus. Tai gali ypač pasitarnauti mažesnėms laboratorijoms, kurios neturi išteklių rankiniu būdu analizuoti milžiniškų duomenų rinkinių.

REKLAMA

Rizika išlieka ta pati kaip ir kitose DI srityse: modelis gali sukurti įtikinamą, bet klaidingą ryšį. Todėl geriausias scenarijus nėra „DI pakeičia biologą“, o „DI išplečia biologo paieškos lauką“. Būtent tokia kombinacija – skaičiavimo mastas ir žmogaus eksperimentinė kontrolė – gali tapti viena produktyviausių šio dešimtmečio mokslo krypčių.

Dar vienas svarbus aspektas – atradimų atranka. Net jei DI sugeneruoja šimtus perspektyvių kandidatų, laboratorija fiziškai negali jų visų patikrinti. Todėl modelio vertė priklauso nuo to, ar jis geba ne tik pasiūlyti idėjas, bet ir pagrįsti, kurios hipotezės turi didžiausią tikimybę būti biologiškai prasmingos. Tai gali sumažinti brangių ir ilgų eksperimentų skaičių. Jei toks metodas pasiteisins pakartotinai, DI taps ne vien literatūros asistento, o ankstyvosios mokslinių atradimų atrankos įrankiu, padedančiu laboratorijoms efektyviau paskirstyti laiką ir resursus.

Jei DI modeliai sugebės sistemingai naršyti genomų, baltymų ir molekulinių struktūrų duomenų bazes, mokslininkai gali gauti tūkstančius naujų hipotezių, kurias vėliau galima patikrinti laboratorijoje. Daugiau mokslo ir DI naujienų rasite TechNaujienos.lt mokslo rubrikoje.

Kaip vertinate šį straipsnį?

NAUJIENOS IŠ INTERNETO

Trumpai, aiškiai ir be triukšmo – gaukite svarbiausias technologijų ir mokslo naujienas pirmieji.

Sekite mokslo ir technologijų tendencijas
Dalyvaukite diskusijose
Naujienas gaukite pirmieji
1 700+ narių jau seka mūsų puslapį, laukiame tavęs!
10

Taip pat skaitykite

Atrinkome panašius straipsnius, kurie gali jums patikti.