Google DeepMind 15 октября показала, как биологи используют Antigravity для поиска перспективных антимикробных пептидов. В описанном примере ИИ помогает не придумать готовое лекарство, а отобрать молекулу для дальнейших опытов. Это принципиальная разница между красивым вычислительным прогнозом и подтверждённым результатом.
Официальная схема Google DeepMind: последовательность белка сопоставляется с предполагаемой функцией и подтверждающими данными.
Как устроен поиск
Модель ProtNLM помогает определять вероятную функцию белков по аминокислотной последовательности. Затем исследователь направляет агента: сравнить кандидата с известными молекулами, проверить структурное сходство, изучить соседние гены и научную литературу. Данные из UniProt и структурные модели AlphaFold становятся частями одной исследовательской цепочки.
Человек остаётся в процессе
Авторы материала — Пэнфэй Тянь и коллеги — описывают совместную работу: биолог выбирает вопросы и оценивает доказательства, агент выполняет запросы и сводит сведения. Встроенный просмотрщик молекулярных структур даёт общий трёхмерный контекст для обсуждения отдельных участков белка.
Что ещё предстоит проверить
Выбранный кандидат, по сообщению команды, проходит лабораторную валидацию. Предсказанная антимикробная активность пока не означает доказанной эффективности, безопасности или готовности к применению у людей. Смысл демонстрации для IT-аудитории — в сокращении рутинной работы с разрозненными базами, чтобы специалисты быстрее переходили к проверке действительно перспективных гипотез.
Демонстрация рабочего процесса
Официальное видео из материала Google DeepMind показывает исследовательские инструменты. Язык — английский.
Носители информации и HDD
Системы видеонаблюдения
Телекоммуникационное оборудование
