သုတေသီများသည် AI အခြေခံပရိုတင်းခန့်မှန်းနည်းစနစ်အသစ်ကို ဆေးဝါးဖွံ့ဖြိုးတိုးတက်မှုလုပ်ငန်းကို လုံးဝပြောင်းလဲပစ်နိုင်သည်ကို တွေ့ရှိခဲ့သည်။ AlphaFold 2 ၏စွမ်းရည်များကိုအသုံးပြု၍ Brown University မှ PhD ကိုယ်စားလှယ်လောင်း Gabriel Monteiro da Silva မှဖန်တီးထားသော ဤဝတ္ထုချဉ်းကပ်မှုသည် ပရိုတင်းဖွဲ့စည်းပုံများစွာကို လျင်မြန်စွာခန့်မှန်းပေးပါသည်။ ပရိုတိန်းဖွဲ့စည်းပုံများ၏ ရှုပ်ထွေးပွေလီသော ဒိုင်းနမစ်များကို နားလည်ပြီး ကုထုံးဆိုင်ရာ ဝင်ရောက်စွက်ဖက်မှုအတွက် နည်းလမ်းသစ်များ ဖန်တီးခြင်းဖြင့်၊ ဤချဉ်းကပ်မှုသည် ကဏ္ဍကို တော်လှန်ရန် အလားအလာရှိသည်။
AI အခြေပြု ပရိုတင်းဒိုင်းနမစ် နားလည်မှုကို မြှင့်တင်ခြင်း။
ဤဝတ္ထုချဉ်းကပ်မှု၏ အဓိကသော့ချက်မှာ ရိုးရာအငြိမ်မော်ဒယ်လ်၏ ကန့်သတ်ချက်များထက်ကျော်လွန်၍ ပရိုတိန်းပုံစံများ၏ ဆွေမျိုးလူဦးရေကို စိတ်ချယုံကြည်စွာ ခန့်မှန်းနိုင်သော စွမ်းရည်ဖြစ်သည်။ ပရိုတင်းဒိုင်းနမစ်သည် Monteiro da Silva နှင့် လုပ်ဖော်ကိုင်ဖက်များသည် ပရိုတင်းဖွဲ့စည်းပုံများကို ခန့်မှန်းရာတွင် တိကျမှုရှိသည်ဟု လူသိများသော AlphaFold 2 ကိုအသုံးပြုခြင်းအားဖြင့် သိပ္ပံနည်းကျတိုးတက်အောင်မြင်လာခဲ့သည့် လေ့လာမှုတစ်ခုဖြစ်သည်။
ဤလုပ်ငန်းသည် ဆေးဝါးဖွံ့ဖြိုးတိုးတက်မှုအတွက် အရေးကြီးသော အကျိုးဆက်များရှိသည့် သုတေသီများအား အချိန်ကာလတစ်လျှောက် ပရိုတင်းလှုပ်ရှားမှုကို ကျယ်ကျယ်ပြန့်ပြန့် နားလည်မှုပေးသည်။
အတည်ပြုခြင်းနှင့် သက်ရောက်မှုများ
သုတေသီများသည် ၎င်းတို့၏ ခန့်မှန်းချက်နည်းလမ်းအတွက် အတည်ပြုချက်ရရှိရန် ၎င်းတို့၏ စမ်းသပ်ဒေတာများကို နှိုင်းယှဉ်ခဲ့ကြသည်။ ၎င်းတို့ပြုလုပ်ခဲ့သော ယူဆချက်များကို အဏုမြူသံလိုက်ပဲ့တင်ရိုက်ခတ်မှု စမ်းသပ်မှုများဖြင့် ထောက်ခံခဲ့ကြသည်။ ၎င်းတို့၏ AI မောင်းနှင်သည့် ချဉ်းကပ်မှု၏ ထိရောက်မှုကို ပြသခြင်းဖြင့် ၎င်းတို့သည် 80% တိကျမှုနှုန်းကို ထူးထူးခြားခြား ရရှိခဲ့သည်။ ဤအတည်ပြုချက်သည် နည်းပညာ၏ယုံကြည်စိတ်ချရမှုနှင့် ဆေးဝါးဖွံ့ဖြိုးတိုးတက်မှုလုပ်ငန်းစဉ်များကို အရှိန်မြှင့်ရန် ၎င်း၏အလားအလာကို မီးမောင်းထိုးပြသည်။ ဤရလဒ်များသည် သိပ္ပံနည်းကျ သုတေသနပြုခြင်းအပြင် လက်တွေ့ကမ္ဘာအသုံးချမှုများအား မည်ကဲ့သို့ တိုးတက်စေနိုင်ကြောင်း ဖော်ပြသည်။
ထို့အပြင်၊ ဤနည်းဗျူဟာသည် အရင်းအမြစ်များစွာလိုအပ်သည့်အတွက် နာမည်ပျက်ဖြစ်သော လက်ရှိတွက်ချက်နည်းပညာများထက် များစွာပိုမိုထိရောက်ပြီး ကုန်ကျစရိတ်သက်သာပါသည်။ Monteiro da Silva သည် မည်မျှစျေးကြီးပြီး အချိန်ကုန်သော နည်းလမ်းဟောင်းများကို အလေးပေးဖော်ပြပြီး အရွယ်တင်နိုင်သော အခြားရွေးချယ်စရာများကို ရှာဖွေရန် မည်မျှအရေးတကြီးဖြစ်သည်ကို မီးမောင်းထိုးပြပါသည်။ ဤချဉ်းကပ်မှုသည် ရောဂါအခြေအနေများတွင် ပရိုတင်းများ၏ ရှုပ်ထွေးပွေလီသော ဒိုင်းနမစ်များကို နားလည်လာသောအခါတွင် မြင့်မားသော ခွဲခြမ်းစိတ်ဖြာမှုကို အရှိန်မြှင့်ခြင်းဖြင့် သိပ္ပံသုတေသနကို တိုးတက်စေမည်ဟု ကတိပြုပါသည်။
ကျွန်ုပ်တို့သည် AI-စွမ်းအင်သုံး ပရိုတိန်းဟောကိန်းထုတ်ကိရိယာတစ်ခု ပေါ်ထွန်းလာမှုကြောင့် ကြီးမားသောမြန်နှုန်းနှင့် တိကျမှုဖြင့် သွင်ပြင်လက္ခဏာဖြစ်မည့် မူးယစ်ဆေးဝါးဖွံ့ဖြိုးတိုးတက်မှုသမိုင်း၏ စာမျက်နှာသစ်တစ်ခု စတင်တော့မည်ဖြစ်သည်။ သုတေသီများသည် ဤဝတ္ထုချဉ်းကပ်မှုသည် ဆေးဝါးများနှင့် ဇီဝဗေဒဆိုင်ရာ ဖွံ့ဖြိုးတိုးတက်မှုအပေါ် မည်ကဲ့သို့အကျိုးသက်ရောက်နိုင်သည်ကို သုတေသီများက လောလောဆယ် ခန့်မှန်းနေကြသည်။ ဤတိုးတက်မှုများအတွက် စိတ်လှုပ်ရှားမှု မြင့်တက်လာသော်လည်း၊ ပိုမိုကောင်းမွန်သောကုထုံးများ သို့မဟုတ် ကုသခြင်းဖြစ်နိုင်ချေရှိသော နောက်ထပ်သုတေသနများကို စောင့်ဆိုင်းနေခြင်းမှာ အမှန်တကယ်ရှိနေသည်။ ဤအံ့သြဖွယ်အချိန်၌ ကျွန်ုပ်တို့ အသက်ရှင်နေသေးစဉ် လူအများအပြား၏ဘဝကို တိုးတက်ကောင်းမွန်စေမည့် အဆန်းထွင်ရှာဖွေတွေ့ရှိမှုအတွက် စိတ်လှုပ်ရှားဖွယ်အခွင့်အလမ်းများစွာရှိသည်။
အရင်းအမြစ်- https://www.cryptopolitan.com/ai-based-protein-prediction-drug-discovery/