https://youtu.be/2l-dv_z4KUc

• Глобальные проблемы человечества имеют универсальное решение, связанное с определением структуры белка.  

• Определение структуры белка — одна из главных научных задач прошлого века.  

• Более 60 лет биологи собирали информацию о структуре 150 тысяч белков.  

• Команда из 15 человек определила структуру 200 миллионов белков за несколько лет.  

• Белки состоят из цепочек аминокислот, соединённых пептидными связями.  

• Трёхмерная структура белка определяет его функции и специализацию.  

• Пример: гемоглобин связывает и удерживает кислород.  

• Экспериментальные методы, включая рентгеновскую кристаллографию, позволяют определить структуру белка.  

• Джон Кендрю потратил 12 лет на изучение миоглобина.  

• Определение структуры одного белка может занять много времени и стоить десятки тысяч долларов.  

• Учёные ищут бюджетные альтернативы для экономии ресурсов.  

• Лайнус Полинг предсказал альфа-спирали и бета-листы на основе свойств аминокислот.  

• Эволюция белков делает их структуру сложной и запутанной.  

• Джон Мольт организовал соревнования CASP для создания программ, предсказывающих структуру белков.  

• Алгоритм Rosetta, разработанный Дэвидом Бейкером, объединил вычислительные мощности добровольцев.  

• В игре Fold It игроки пытались придать белковой цепочке правильную форму.  

• Участники игры стали соавторами публикаций о структуре фермента вируса иммунодефицита человека.  

• Демис Хасабис запустил проект AlphaFold для использования искусственного интеллекта в науке.  

• Первая версия AlphaFold использовала нейронную сеть и эволюционные данные.  

• Эволюция белков сохраняет их структуру, несмотря на мутации.  

• AlphaFold анализирует парные мутации и эволюционные закономерности для предсказания структуры белков.  

• AlphaFold 2 улучшил подход к глубокому обучению, интегрируя геометрические, физические и эволюционные принципы.  

• Увеличение вычислительных мощностей и улучшение подходов привели к значительному приросту точности.  

• Доступ к огромным вычислительным ресурсам Google, включая тензорные процессоры.  

• Важность качества обучения, а не количества данных.  

• Пример с AlphaFold 2: разница в качестве обучения на том же массиве данных.  

• Трансформеры основаны на концепции внимания, которая добавляет контекст к последовательной информации.  

• Пример работы внимания: система понимает, что «она» в фразе — это «животина», а не «улица».  

• Видео о трансформерах и внимании на канале Three Blue Brown.  

• Альфа-Фолд использует собственную версию трансформера Ива-Формер для анализа последовательностей аминокислот.  

• Ива-Формер имеет две башни: биологическую и геометрическую.  

• Связующий мост между башнями передаёт биологические и геометрические данные.  

• Механизм внимания анализирует столбцы и строчки таблицы, выявляя аминокислотные последовательности и признаки мутаций.  

• Треугольное внимание рассчитывает взаимодействие трёх аминокислот, используя неравенство треугольника.  

• Обмен информацией внутри Ива-Формера повторяется 48 раз, повышая точность данных.  

• Модуль структуры выделяет три ключевых атома для каждой аминокислоты и рассчитывает их ориентацию в пространстве.  

• Нейросеть рассчитывает сдвиг и поворот аминокислот для создания трёхмерной структуры белка.  

• Отказ от жёсткого подхода к сборке цепочки аминокислот даёт нейросети больше свободы в работе.  

• AlphaFold 2 показал потрясающие результаты на виртуальном CAP, предсказав структуры многих белков с высокой точностью.  

• Модель преодолела планку в 90 баллов, что стало значительным достижением.  

• За 60 лет учёные определили около 150 тысяч структур белков, а AlphaFold открыл более 200 миллионов.  

• Разработка вакцины от малярии и преодоление устойчивости к антибиотикам.  

• Анализ мутаций и их влияния на болезни.  

• Данные о строении и функциях белков редких вымирающих видов.  

• Джон Джампер и Демис Хасабис получили половину Нобелевской премии по химии за открытие AlphaFold.  

• Дэвид Бейкер получил вторую половину премии за создание новых белков с заданными функциями.  

• Метод RF-DIFU позволяет создавать новые белки, убирая случайный шум из структуры известных белков.  

• Синтетические белки повышают шансы на выживание при укусе ядовитой змеи.  

• Противоядия, созданные в лаборатории Бейкера, совместимы с организмом человека и могут производиться в больших количествах.  

• Разработка ферментов для улавливания парниковых газов и разрушения пластика.  

• Программа Gnome от DeepMind нашла более 2 миллионов новых кристаллов, из которых более 400 тысяч стабильных материалов.  

• Искусственный интеллект революционизирует науку, решая фундаментальные проблемы с невиданной ранее скоростью.  

• Новые возможности в материаловедении, от сверхпроводников до аккумуляторов.