Google DeepMind anunciou o lançamento do AlphaProteo, um sistema de IA que ajuda pesquisadores biológicos e de saúde a desenvolver proteínas novas e de alta potência que se ligam de forma precisa e forte às moléculas-alvo.
AlphaProteo foi treinado no Protein Data Bank (PDB), que permite avanços na ciência e na educação, fornecendo acesso e ferramentas para exploração, visualização e análise de estruturas 3D determinadas experimentalmente a partir do arquivo PDB.
Dada a estrutura de uma molécula alvo e um conjunto de locais de ligação preferidos nessa molécula, AlphaProteo cria uma proteína candidata que se liga ao alvo.
A gigante da tecnologia disse que os ligantes têm potencial para abrir novas áreas de pesquisa no desenvolvimento de medicamentos e biossensores de diagnóstico.
“O AlphaProteo pode criar novos ligantes de proteínas para várias proteínas alvo, incluindo o VEGF-A, que tem sido associado ao cancro e às complicações da diabetes. Esta é a primeira vez que uma ferramenta de IA foi capaz de desenvolver um aglutinante de proteína bem-sucedido para VEGF-A”, disseram as equipes de Protein Design e Wet Lab do Google DeepMind em uma postagem de blog.
“AlphaProteo também alcança taxas de sucesso experimental mais altas e afinidades de ligação três a 300 vezes melhores do que os melhores métodos existentes para sete proteínas-alvo que testamos.”
Para testar o AlphaProteo, os desenvolvedores da IA desenvolveram ligantes para várias proteínas-alvo, incluindo “duas proteínas virais envolvidas em infecções, BHRF1 e domínio de ligação ao receptor da proteína spike SARS-CoV-2, SC2RBD, e cinco proteínas que” Envolvidas em câncer, inflamação e doenças autoimunes doenças, IL-7Rɑ, PD-L1, TrkA, IL-17A e VEGF-A.”
A taxa de sucesso de ligação para um alvo viral, BHRF1, foi em média de 88%, dez vezes maior que os métodos tradicionais.
A equipe do Google DeepMind Web Lab colaborou com grupos de pesquisa externos, incluindo pesquisadores do Instituto Francis Crick, onde os dados confirmaram que os ligantes AlphaProteo impediram que o SARS-CoV-2 infectasse células humanas.
AlphaProteo demonstrou que pode reduzir o tempo necessário para experimentos iniciais com ligantes de proteínas para diversas aplicações.
No entanto, apesar destes avanços, os investigadores descobriram que o sistema de IA também tem as suas limitações.
Por exemplo, a AlphaProteo não conseguiu criar com sucesso agentes de ligação para o TNFa, uma proteína ligada a doenças autoimunes, como a artrite reumatóide.
“Escolhemos o TNFɑ para desafiar o AlphaProteo porque a análise computacional mostrou que seria extremamente difícil desenvolver ligantes que funcionassem contra ele. Continuaremos a melhorar e expandir as capacidades do AlphaProteo com o objetivo de, eventualmente, abordar essas metas desafiadoras”, escreveram os autores.
A equipa de investigação do AlphaProteo planeia trabalhar com a comunidade científica para observar o impacto do AlphaProteo noutros problemas biológicos e para compreender melhor as suas limitações.
Além disso, a equipe do Isommorphic Labs investigou as possíveis aplicações de seu projeto de medicamento.
A MAIOR TENDÊNCIA
Em junho, Google Research e Google DeepMind publicou um artigo anunciando a criação de um novo LLM para descoberta de medicamentos e desenvolvimento terapêutico chamado Tx-LLM, uma evolução do Med-PaLM 2.
O gigante da tecnologia Med-PaLM 2 é uma tecnologia de IA generativa que aproveita os LLMs do Google para responder a perguntas médicas.
Em maio, Um estudo conduzido pelo Google Research em colaboração com o Google DeepMind mostrou que a gigante da tecnologia expandiu as capacidades dos seus modelos de IA para Med-Gemini-2D, Med-Gemini-3D e Med-Gemini Polygenic.
O Google disse que otimizou as capacidades do Med-Gemini usando dados de histopatologia, dermatologia, radiologia 2D e 3D, além de genômica e oftalmologia.
Em 2023, o Google lançou MedLM, dois modelos fundamentais baseados no Med-PaLM 2 projetados para responder perguntas médicas, obter insights de dados não estruturados e resumir informações médicas.
A empresa disse que aprendeu, ao testar seus LLMs com organizações de saúde, que os modelos de IA mais eficazes são projetados para atender a casos de uso específicos.
Portanto, o modelo grande do MedLM destina-se a lidar com tarefas complexas, enquanto o outro é um modelo médio que pode ser ajustado e dimensionado para diferentes tarefas.
O HIMSS Healthcare Cybersecurity Forum acontecerá de 31 de outubro a 1º de novembro em Washington, DC. Saiba mais e inscreva-se.
Google DeepMind anunciou o lançamento do AlphaProteo, um sistema de IA que ajuda pesquisadores biológicos e de saúde a desenvolver proteínas novas e de alta potência que se ligam de forma precisa e forte às moléculas-alvo.
AlphaProteo foi treinado no Protein Data Bank (PDB), que permite avanços na ciência e na educação, fornecendo acesso e ferramentas para exploração, visualização e análise de estruturas 3D determinadas experimentalmente a partir do arquivo PDB.
Dada a estrutura de uma molécula alvo e um conjunto de locais de ligação preferidos nessa molécula, AlphaProteo cria uma proteína candidata que se liga ao alvo.
A gigante da tecnologia disse que os ligantes têm potencial para abrir novas áreas de pesquisa no desenvolvimento de medicamentos e biossensores de diagnóstico.
“O AlphaProteo pode criar novos ligantes de proteínas para várias proteínas alvo, incluindo o VEGF-A, que tem sido associado ao cancro e às complicações da diabetes. Esta é a primeira vez que uma ferramenta de IA foi capaz de desenvolver um aglutinante de proteína bem-sucedido para VEGF-A”, disseram as equipes de Protein Design e Wet Lab do Google DeepMind em uma postagem de blog.
“AlphaProteo também alcança taxas de sucesso experimental mais altas e afinidades de ligação três a 300 vezes melhores do que os melhores métodos existentes para sete proteínas-alvo que testamos.”
Para testar o AlphaProteo, os desenvolvedores da IA desenvolveram ligantes para várias proteínas-alvo, incluindo “duas proteínas virais envolvidas em infecções, BHRF1 e domínio de ligação ao receptor da proteína spike SARS-CoV-2, SC2RBD, e cinco proteínas que” Envolvidas em câncer, inflamação e doenças autoimunes doenças, IL-7Rɑ, PD-L1, TrkA, IL-17A e VEGF-A.”
A taxa de sucesso de ligação para um alvo viral, BHRF1, foi em média de 88%, dez vezes maior que os métodos tradicionais.
A equipe do Google DeepMind Web Lab colaborou com grupos de pesquisa externos, incluindo pesquisadores do Instituto Francis Crick, onde os dados confirmaram que os ligantes AlphaProteo impediram que o SARS-CoV-2 infectasse células humanas.
AlphaProteo demonstrou que pode reduzir o tempo necessário para experimentos iniciais com ligantes de proteínas para diversas aplicações.
No entanto, apesar destes avanços, os investigadores descobriram que o sistema de IA também tem as suas limitações.
Por exemplo, a AlphaProteo não conseguiu criar com sucesso agentes de ligação para o TNFa, uma proteína ligada a doenças autoimunes, como a artrite reumatóide.
“Escolhemos o TNFɑ para desafiar o AlphaProteo porque a análise computacional mostrou que seria extremamente difícil desenvolver ligantes que funcionassem contra ele. Continuaremos a melhorar e expandir as capacidades do AlphaProteo com o objetivo de, eventualmente, abordar essas metas desafiadoras”, escreveram os autores.
A equipa de investigação do AlphaProteo planeia trabalhar com a comunidade científica para observar o impacto do AlphaProteo noutros problemas biológicos e para compreender melhor as suas limitações.
Além disso, a equipe do Isommorphic Labs investigou as possíveis aplicações de seu projeto de medicamento.
A MAIOR TENDÊNCIA
Em junho, Google Research e Google DeepMind publicou um artigo anunciando a criação de um novo LLM para descoberta de medicamentos e desenvolvimento terapêutico chamado Tx-LLM, uma evolução do Med-PaLM 2.
O gigante da tecnologia Med-PaLM 2 é uma tecnologia de IA generativa que aproveita os LLMs do Google para responder a perguntas médicas.
Em maio, Um estudo conduzido pelo Google Research em colaboração com o Google DeepMind mostrou que a gigante da tecnologia expandiu as capacidades dos seus modelos de IA para Med-Gemini-2D, Med-Gemini-3D e Med-Gemini Polygenic.
O Google disse que otimizou as capacidades do Med-Gemini usando dados de histopatologia, dermatologia, radiologia 2D e 3D, além de genômica e oftalmologia.
Em 2023, o Google lançou MedLM, dois modelos fundamentais baseados no Med-PaLM 2 projetados para responder perguntas médicas, obter insights de dados não estruturados e resumir informações médicas.
A empresa disse que aprendeu, ao testar seus LLMs com organizações de saúde, que os modelos de IA mais eficazes são projetados para atender a casos de uso específicos.
Portanto, o modelo grande do MedLM destina-se a lidar com tarefas complexas, enquanto o outro é um modelo médio que pode ser ajustado e dimensionado para diferentes tarefas.
O HIMSS Healthcare Cybersecurity Forum acontecerá de 31 de outubro a 1º de novembro em Washington, DC. Saiba mais e inscreva-se.
