ESM3 Mafanikio Mapya katika Utafiti wa Protini

ESM3: Hatua Kubwa katika Utafiti wa Protini

Mwaka jana, mnamo Juni 25, Evolutionaryscale ilizindua ESM3, modeli ya kibiolojia ya kimapinduzi yenye parameta bilioni 98, na kuifanya kuwa kubwa zaidi ya aina yake duniani. Model hii inawakilisha maendeleo makubwa katika jinsi tunavyoelewa na kuendesha protini.

ESM3 hufanya kazi kwa kubadilisha muundo wa pande tatu na kazi ya protini kuwa alfabeti tofauti. Njia hii bunifu inaruhusu kila muundo wa 3D kuwakilishwa kama mfuatano wa herufi. Kwa hivyo, ESM3 inaweza kufanya kazi kwa wakati mmoja mfuatano wa protini, muundo, na kazi, ikijibu maswali changamano ambayo yanaunganisha maelezo ya kiwango cha atomiki na maagizo ya kiwango cha juu ili kuzalisha protini mpya kabisa. Inashangaza, uigaji wa ESM3 wa mageuzi unalinganishwa na miaka trilioni 5 ya mageuzi ya asili.

Upatikanaji wa API Bure na Uidhinishaji wa Kitaalam

Jumuiya za kisayansi na dawa zilifurahishwa wakati ESM3 ilipoanzishwa mara ya kwanza. Hivi majuzi, saa 4 asubuhi, Evolutionaryscale ilitangaza upatikanaji wa bure wa ESM3 API, kwa lengo la kuharakisha utabiri wa protini kwa wanasayansi duniani kote.

Hatua hii ilipokelewa kwa shauku kutoka kwa mshindi wa Tuzo ya Turing na mwanasayansi mkuu wa Meta, Yann LeCun, ambaye alisifu mafanikio ya Evolutionaryscale kama "jambo zuri sana."

Kama mwandishi wa habari anayefunika AI kwa miaka mingi, naamini huu ni wakati muhimu. ESM3 ni zaidi ya modeli tu; ni mafanikio makubwa katika kuelewa na kuzalisha protini katika kiwango cha atomiki, ambayo inaahidi kuwa na athari kubwa katika uwanja wa matibabu.

Nguvu ya Kompyuta ya ESM3 na Uwezo Mkuu

ESM3 ilifunzwa kwenye moja ya makundi ya GPU yenye nguvu zaidi duniani, ikitumia zaidi ya 1x10^24 FLOPS ya nguvu ya kompyuta na parameta bilioni 98. Hii inawakilisha uwekezaji mkuu wa kompyuta katika mafunzo ya modeli ya kibiolojia hadi sasa.

Nguvu kuu ya modeli hii iko katika uwezo wake wa kuchakata kwa wakati mmoja mfuatano, muundo, na kazi ya protini, sifa muhimu kwa kuelewa utendakazi wao. Hii inafanikiwa kwa kubadilisha miundo ya 3D na kazi kuwa alfabeti tofauti, kuwezesha mafunzo makubwa na kufungua uwezo mpya wa uzalishaji.

• Mbinu ya Multimodal: ESM3 hutumia mbinu ya multimodal, kuwezesha kujifunza uhusiano wa kina kati ya mfuatano, muundo, na kazi kutoka kwa mtazamo wa mageuzi.
• Uundaji wa Lugha Iliyofichwa: Wakati wa mafunzo, ESM3 hutumia lengo la uundaji wa lugha iliyofichwa. Inaficha sehemu ya mfuatano, muundo, na kazi ya protini na kisha inatabiri sehemu zilizofichwa. Hii inalazimisha modeli kuelewa kwa kina uhusiano kati ya vipengele hivi, kuiga mageuzi kwa kiwango cha mabilioni ya protini na parameta.

Kuzalisha Protini Mpya na Matumizi Halisi

Mawazo ya multimodal ya ESM3 huiruhusu kuzalisha protini mpya kwa usahihi usio na kifani. Kwa mfano, wanasayansi wanaweza kuelekeza ESM3 kuunda miundo ya protini na sehemu maalum zinazofanya kazi kwa kuunganisha mahitaji ya muundo, mfuatano, na kazi. Uwezo huu una uwezekano mkubwa katika uhandisi wa protini, haswa katika kubuni vimeng'enya kwa kazi kama vile kuvunja taka za plastiki.

Kipengele muhimu cha ESM3 ni uwezo wake wa kupanuka, kuboresha uwezo wake wa kutatua matatizo kadri modeli inavyokua. Zaidi ya hayo, ESM3 inaweza kujiboresha yenyewe kupitia maoni ya kibinafsi na data ya maabara, kuimarisha ubora wa protini zake zinazozalishwa.

Katika matumizi halisi, ESM3 tayari imeonyesha uwezo wa kuvutia. Kwa mfano, ilifanikiwa kuzalisha protini mpya ya kijani kibichi (esmGFP) yenye kufanana kwa mfuatano wa 58% tu na protini zinazojulikana za fluorescent.

• Mafanikio ya esmGFP: Matokeo ya majaribio yanaonyesha kuwa mwangaza wa esmGFP unalinganishwa na GFP ya asili. Hata hivyo, njia yake ya mageuzi inatofautiana na mageuzi ya asili, kuonyesha kwamba ESM3 inaweza kuiga zaidi ya miaka milioni 500 ya mageuzi ya asili kwa muda mfupi.