DeepGO-SE использует преимущества больших языковых моделей, подобных ChatGPT. С помощью алгоритмов нейросеть может делать выводы о молекулярных функциях биологических соединений.
Такой подход дает компьютерам возможность логически обрабатывать результаты путем построения моделей свойств белков, которые пока непонятны ученым.
«Этот метод имеет множество применений, особенно когда необходимо делать выводы из данных и гипотез, сгенерированных нейронной сетью или другой моделью машинного обучения», — отметил глава исследовательской группы биоонтологии Роберт Хендорф.
В KAUST используют DeepGO-SE для исследования функций белков, обнаруженных в растениях, процветающих в экстремальных условиях пустыни Саудовской Аравии.
DeepGO-SE успешно применили для расшифровки данных об аминокислотной последовательности малопонятного белка и его известных взаимодействиях с другими белками. Модель точно предсказала функции биологического компонента. По итогам испытаний DeepGO-SE включили в 20 лучших алгоритмов из более чем 1600 ИИ-инструментов для научного прогнозирования.
В перспективе ИИ можно использовать для открытия новых лекарств, белковой инженерии, анализа метаболических путей и других исследований.
