Après AlphaGo conquis le jeu Atari classique, et a atteint la performance surhumaine dans les échecs et les échecs chinois dans, DeepMind maintenant tourné vers la science humaine de l'intelligence artificielle dans le domaine médical le plus difficile. Maintenant, DeepMind peut avoir réalisé la fonction de prédiction.
Lors de la réunion tenue le 2 Décembre à Cancun, les organisateurs ont annoncé le 13 concours de prédiction de la structure des protéines globale (évaluation critique de la protéine Structure Prediction, CASP), DeepMind le dernier tout le monde beat programme d'intelligence artificielle AlphaFold: Succès la structure tridimensionnelle des protéines - les molécules de base de la prédiction de la vie. CASP est également considéré comme le domaine de la structure de la protéine « Olympiade ».
« Le repliement des protéines » est une forme incroyable de l'origami moléculaire, il est très mystérieux, est une question de grande envergure, peu de discussions en dehors de la communauté scientifique. Tous les êtres vivants sont constitués par des protéines, la structure des protéines détermine sa fonction. Lorsque l'IA pour comprendre le repliement des protéines, nous pouvons nous attendre l'humanité entre dans une nouvelle ère de la science et de la médecine.
Comme Demis Hassabis DeepMind co-fondateur et PDG, a déclaré: « Pour nous, ce moment est très critique. Ce projet phare est notre premier investissement majeur dans la main-d'uvre et des ressources. Il est également très d'importants problèmes scientifiques du monde réel. "
Figure Shu Demis Hassabis (Source: Google)
Pour comprendre pourquoi la protéine AI?
Dans le monde informatique, seulement 0 et 1. Et dans une certaine mesure, en fait, il est l'essence de la vie dans 4 permutations différentes et des combinaisons de bases.
Contient l'intégralité du code de vie de l'ADN, seulement quatre types de bases. Les quatre permutations différentes et des combinaisons de bases, 64 codons convertis (ARNm tous les trois bases adjacentes constituant un codon), ce qui correspond à plus de 60 codons et de la vie sur le système de terre 20 seulement acides aminés et 20 sortes de permutations d'acides aminés, constituent les dizaines de milliers à des centaines de millions de protéines différentes.
La protéine est la base matérielle de tous les systèmes vivants, étroitement associés à tous les déclencheurs de processus physiologiques une réponse immunitaire du cerveau à penser. Si la recette génétique bloc construction de la vie par rapport, puis la protéine est composée de la vie matérielle. Aucune protéine, il n'y a pas de vie.
La différence est que le code de l'ADN, la véritable décision a des propriétés protéiques et des fonctions différentes, en plus de permutations et combinaisons de différents acides aminés, plus importante est la structure 3D de la chaîne d'acides aminés. Amino torsion de la chaîne d'acide, de pliage, constituent des protéines différentes et, par conséquent, une protéine ayant plusieurs centaines d'acides aminés peuvent présenter un nombre surprenant de structures différentes: le 10-ième puissance de 100, 300 ou 10.
Figure | de l'ADN à la protéine structure 3D (Source: profacgen.com)
Seule protéine repliée correctement pour la configuration spécifique 3D, afin de jouer les fonctions biologiques appropriées. Structure quaternaire structure de protéine repliée, l'influence d'un grand nombre d'interactions non covalentes (telles que des liaisons hydrogène, liaisons ioniques, interactions hydrophobes, et les forces de van der Waals), le mécanisme d'action des protéines au niveau moléculaire, il faut mesurer avec précision la structure 3D de la protéine.
Pour la structure des protéines d'étude et développé la biologie structurale en 60 ans d'histoire, il a été adopté, y compris cristallographie aux rayons X, résonance magnétique nucléaire, microscopie électronique et d'autres techniques congelés pour résoudre des structures de protéines.
En 1959, Perutz et Kendrew pour l'hémoglobine du sang et l'analyse structurale des protéines musculaires pour résoudre la structure en trois dimensions, et a reçu le prix Nobel de chimie 1962. Après Hauptmann et Ka Erle a établi un substances biologiques macromoléculaires tels que les hormones, les antibiotiques, les protéines et les nouvelles applications de l'analyse aux rayons X de la théorie mathématique de la détermination pur de la structure cristalline de la méthode directe, portée historique dans l'étude des cristaux, en particulier dans la recherche la structure des molécules de médicaments jouent un rôle important, obtenant ainsi 1985 Prix Nobel de chimie. 2017 Prix Nobel de chimie décerné trois scientifiques ont inventé la technique de cryo-EM pour récompenser leur contribution à la structure à haute résolution des molécules biologiques prouvées.
Cependant, nous voulons une meilleure compréhension du phénomène des processus de vie, ainsi que plus complexe en termes de développement de médicaments, en se fondant sur ce moyen « d'observation » à la structure des protéines d'étude, il est difficile de répondre à la demande, mesurée pour une structure protéique complexe il faut souvent beaucoup de temps et d'argent, même pas nécessairement exacte.
Théoriquement, les séquences d'ADN connues, il a été déterminé que l'on peut traduire la séquence d'acides aminés et la structure des protéines, mais veulent réaliser cette prédiction, calculée en fonction de l'inimaginable intermédiaire. Ces dernières années, avec le développement de la technologie de séquençage des gènes et de l'intelligence artificielle, prédit par la de la structure protéique séquence d'acides aminés possible.
site officiel de la figure Shu DeepMind rapport sur la AlphaFold
victoire AlphaFold de l'homme
Structure mondiale de protéines concurrence de prévision (CASP), parrainé par le scientifique américain John Maltby (John Moult) en 1994, a lieu tous les deux ans, vise à attirer des experts dans différents domaines de la science informatique, Biophysique de protéines impliquées dans la prédiction de la structure en trois dimensions problème de bio-informatique difficile dans le passé, le développement d'une évaluation commune de la situation et de discuter des tendances futures.
Cette fois-ci, l'abus de fin de l'IA humaine, se déplacera également l'attention sur la prédiction de la structure des protéines en trois dimensions. DeepMind développé par le programme AI « AlphaFold » a participé à la dernière session de prédiction de la structure des protéines pour évaluer la concurrence.
processus de la concurrence, le personnel donnera à chaque séquence d'acides aminés d'une équipe. Et la structure de ces protéines a déjà été rupture compliquées et coûteuses méthodes traditionnelles, mais pas encore publié. La plus prédiction exacte de l'équipe de soumission finale gagnera le match.
première compétition AlphaFold dans 98 équipes classées dans les 43 premières protéines dont les protéines ont une structure prédite 25 des plus précis, alors que la deuxième équipe classée en seulement trois.
(Source: DeepMind)
Afin de développer AlphaFold, DeepMind former le réseau de neurones avec des milliers de protéines connues, jusqu'à ce qu'il peut prédire la structure 3D d'amino-acides indépendance. Pour les nouvelles protéines, la distance AlphaFold entre le réseau de neurones en utilisant la paire d'acides aminés prédite, et l'angle de connexion entre eux chimiquement. Ensuite, la structure de réglage AlphaFold est agencé pour trouver les plus acides aminés de l'énergie. Le programme a passé ses deux premières semaines ont prédit une structure protéique, mais maintenant que quelques heures sera en mesure de le prédire.
structure 3D d'une protéine dépend du nombre et du type d'acides aminés qu'il contient, la structure détermine également le rôle de la protéine in vivo. Par exemple, les protéines de cellules cardiaques pliées, peuvent être identifiés dans l'adrénaline dans le sang, et l'augmentation de la fréquence cardiaque. Anticorps protéine du système immunitaire est plié en une structure spécifique, ces protéines peuvent bloquer l'invasion bactérienne. De la contraction musculaire, la perception de la lumière pour convertir les aliments en énergie, presque toutes les fonctions du corps, peut être attribuée à la structure et le mouvement des protéines.
En règle générale, les protéines ayant une structure plus efficace, mais ils sont mal repliées, déboucheront sur le diabète, la maladie de Parkinson et la maladie d'Alzheimer et d'autres maladies. Si les scientifiques peuvent prédire la structure des protéines de la composition chimique, ils peuvent comprendre le rôle de ces protéines et leur faire du mal, et de concevoir de nouvelles protéines à combattre la maladie ou d'exercer leurs fonctions. Par exemple, vous pouvez concevoir de nouvelles protéines résolues pollution par le plastique dans l'environnement.
(Source: MIT Technology Review)
Dans le jeu, l'Université de Reading chercheur Liam McGuffin a conduit la communauté universitaire britannique le plus haut score. Il a dit: « Cette année DeepMind semble avoir poussé les normes de la concurrence, je voudrais en savoir plus sur leurs méthodes de prévision, bien que notre manque de ressources, mais nous pouvons encore rester compétitif. »
« La capacité de prédire la structure de repliement des protéines est un gros problème. Il a résolu la plupart des problèmes du 21ème siècle, est d'une grande importance, il serait en bonne santé, une écologie d'impact significatif, l'environnement et résoudre fondamentalement tous les problèmes qui se posent dans les systèmes vivants, y compris notre de nombreux groupes ont utilisé pendant des années dans l'apprentissage de la machine, l'intelligence artificielle et la profondeur de l'apprentissage, qui produisent une influence de plus en plus importante. Je suis très optimiste que nous allons vraiment résoudre ce domaine dans les années 1920 problème », a déclaré McGuffin.
Hassabis dit, nous avons beaucoup de travail à faire. « Nous avons résout pas le problème de repliement des protéines, prédire que la première étape. Le repliement des protéines est un problème très difficile, mais nous avons un bon système, nous avons quelques idées pas encore mises en uvre. »
"Après l'ère AlphaGo" DeepMind, sciences de la vie de début fausse AI +
DeepMind est connu pour les gens du monde entier en 2016. À ce moment-là, ils ont développé des algorithmes AI AlphaGo a battu le champion du monde Go Shishi, et plus tard en 2017 en Chine battu les meilleurs joueurs Ke Jie. Il est dans ce domaine au sommet Wuzhen Go, représentation Hassabis, AlphaGo prendra sa retraite, mais l'IA continuera d'explorer DeepMind.
Le jeu est une bonne base de test DeepMind projets d'intelligence artificielle, mais pour conquérir le jeu est pas leur but ultime. Hassabis plus d'une fois a prennent publiquement position, l'objectif de l'équipe est de développer des sciences de la vie pour résoudre des problèmes similaires, la découverte de nouveaux matériaux pour aider l'algorithme d'explorer l'univers. Hassabis comme prévu dans la prochaine décennie, itérations AlphaGo produits deviendront des scientifiques et des experts médicaux qui travaillent côte à côte avec les humains, il sera possible de produire un impact fondamental sur nos vies.
Une révision générale des DeepMind 2018 documents AI publiés avant, beaucoup de ce que les résultats importants seront utilisés dans la recherche sur l'intelligence artificielle dans les sciences de la vie.
(Source: DeepMind)
Dans le domaine de la science du cerveau DeepMind très préoccupé par cette année le 9 mai l'équipe de haut du monde, publié dans la revue Nature une réussite scolaire lourd, l'utilisation de la capacité de navigation de l'espace d'apprentissage profond pour reproduire les organismes, assez pour aider la recherche en neurosciences traditionnelles tester le fonctionnement du cerveau. Il a développé un programme d'intelligence artificielle avec des mammifères similaires pathfinding capacités, tout comme les cellules du cerveau des travaux de la grille.
Une autre version DeepMind de l'intelligence artificielle, transversale neuroscience réalisation importante, est l'utilisation du yuan dans le domaine de l'apprentissage par renforcement cadre AI pour l'étude de la dopamine dans le cerveau jouent un rôle dans notre processus d'apprentissage. Cette nouvelle découverte devrait bouleverser les méthodes traditionnelles de recherche en neurosciences, il offre une nouvelle perspective. Des recherches publiées dans la revue Nature sous-mai de cette année.
Et dans le diagnostic des maladies, en Août de cette année dans une étude publiée dans Nature Medicine, d'Amnesty International et DeepMind Moorfields Eye Hospital conjointement développé peut identifier 50 différentes maladies oculaires, et aussi précis que les cliniciens de l'homme, et d'améliorer significativement le dilemme des soins de santé existants en réduisant l'examen requis et le diagnostic du temps. « Ceci est une étape très excitante est un autre signe de cliniciens et de techniciens la possibilité d'efforts conjoints », a déclaré DeepMind à l'époque.
(Source: MIT Technology Review)
En plus des articles publiés, DeepMind actuellement travaille également avec un certain nombre d'institutions médicales pour développer de nouveaux projets médicaux, y compris le ministère américain des Affaires des anciens combattants (ministère américain des Affaires des anciens combattants) de développer la coopération de l'intelligence artificielle avec le UK National Health Service (NHS ) pour développer l'IA et d'autres applications médicales.
Cependant, comme l'un des plus parlé de la société AI de Google, DeepMind encore controversée: l'entreprise a investi massivement dans la recherche et le développement et n'a pas été rentable, des projets avec le NHS ont allégué une mauvaise utilisation des données médicales et d'autres questions. Bien sûr, DeepMind ces problèmes ne sont pas seulement un problème qu'une société AI est confrontée, 2018, DeepMind recherche universitaire dans le domaine de « Blair » après 2019, nous pouvons nous attendre à la façon dont DeepMind « après AlphaGo Age » continue à mettre en uvre sa mission.
