کشف آنتی بیوتیک با استفاده از یادگیری ماشین

محققان دانشگاه پنسیلوانیا با استفاده از یادگیری ماشین (Machine Learning) بیش از یک میلیون آنتی بیوتیک جدید را شناسایی کردند. کشف داروی جدید با استفاده از روش‌های قدیمی ۱۰ الی ۲۰ سال زمان نیاز دارد. به گفته سازمان بهداشت جهانی استفاده گسترده از آنتی بیوتیک در انسان و حیوانات منجر به مقاومت آنتی‌بیوتیکی و کم اثر/بی اثر شدن داروهای موجود خواهد شد، از این رو شناسایی داروهای جدید برای آینده بشر اهمیت زیادی دارد. استفاده از یادگیری ماشین در کشف داروهای جدید یکی از شاخه‌های مورد توجه در این حوزه است که در سال‌های اخیر سرمایه هنگفتی را به سمت خود جذب کرده است. یکی از پروژه‌های موفق در این حوزه، پروژه #alphafold گوگل DeepMind است که در شناسایی ساختار پروتئین‌ها و نحوه تعامل آن‌ها مورد استفاده قرار گرفته است (منبع).

#drug_discovery

🌑 آقای هوش مصنوعی🌑
🎥رسانه هوش مصنوعی دانشگاه تهران

@MrArtificialintelligence
👍1
جایزه نوبل شیمی امسال بین سه نفر تقسیم شد. در این بین John M. Jumper و Demis Hassabis از گوگل DeepMind به خاطر توسعه مدل هوش‌مصنوعی AlphaFold برای پیش‌بینی ساختار مولکول‌های پروتئین و نحوه برهم کنش آن‌ها برنده جایزه نوبل شیمی شدند. در حال حاضر Demis Hassabis مدیرعامل گوگل DeepMind نیز می‌باشد.
به این ترتیب برای اولین بار در تاریخ دو جایزه نوبل فیزیک و شیمی به دانشمندان و محققان حوزه هوش‌مصنوعی تعلق گرفت.

#deepmind
#alphafold
#nobel

🌑 آقای هوش مصنوعی🌑
🎥رسانه هوش مصنوعی دانشگاه تهران

@MrArtificialintelligence
5👍3
نسخه ۳ مدل AlphaFold اپن‌سورس شد!

این مدل برای پیش‌بینی ساختار مولکول‌های پروتئین توسط گوگل DeepMind توسعه داده شده بود. Demis Hassabis و John M. Jumper از برندگان نوبل امسال به خاطر توسعه این مدل برنده جایزه نوبل شیمی شدند. یکی از مهم‌ترین کاربردهای چنین مدل‌هایی کمک به کشف داروهای جدید برای بیماری‌هایی چون سرطان است. برای دسترسی به سورس کد و وزن‌ها اینجا را نگاه کنید.

#deepmind
#google
#alphafold


🌑 آقای هوش مصنوعی🌑
🎥رسانه هوش مصنوعی دانشگاه تهران

@MrArtificialintelligence