Ebben az évben három tudós osztozik a kémiai Nobel-díjon a fehérjék kutatásában elért eredményeivel. Demis Hassabis és John M. Jumper, a Google DeepMind tudósai mesterséges intelligenciára épülő számítási eszközt fejlesztettek ki a fehérjék összetett szerkezetének előrejelzésére, David Baker, a Washingtoni Egyetem biokémikus professzora pedig úttörő eljárásaival megoldotta a korábban lehetetlennek tűnő feladatot egy teljesen újfajta fehérje felépítésével, lehetőséget nyitva munkájával az új formájú és funkciójú makromolekulák tervezésére.
Izgalmas időszak következik
Az ilyen irányú kutatások 2018-ben kaptak lendületet, amikor Hassabis és Jumper MI-eszközöket kezdett alkalmazni a problémál megoldására. Ezek közül az AlphaFold2 már ugyanolyan hatékonyan meg tudta jósolni a fehérjék szerkezetét, mint amire a hagyományos, de sokkal körülményesebben működő technikák képesek voltak. A díjat odaítélő bizottság ezt a mesterséges intelligencia egyik első nagyszabású tudományos áttörésének nevezte, miközben Baker olyan módszereket is kidolgozott, amelyekkel teljesen új fehérjéket lehet létrehozni.
Ez utóbbi elvileg végtelen számú alkalmazást nyithat meg az oltóanyag-tervezésben, a kémiai anyagok érzékelésében vagy az új gyógyszerek létrehozásában: a Washingtoni Egyetem Fehérjetervezési Intézetét vezető professzor szerint "egy teljesen új fehérjevilág" építéséről van szó, ami a 21. században az emberek előtt álló számos problémájára jelenthet majd megoldást. A DeepMind társalapító-vezérigazgatója, Demis Hassabis nemrég azt is megjósolta, hogy az így tervezett gyógyszerek éveken belül eljuthatnak a klinikai tesztelés fázisába.
Kapcsolódó: A mesterséges intelligencia úttörői kapták a fizikai Nobel-díjat
Szerinte belátható időn megjelenhetnek az első, ténylegesen az MI által tervezett gyógyszerek az Alzheimer-kór, a szív- és érrendszeri betegségek, vagy akár a rák kezelésére. A DeepMind ennek érdekében nagyszabású megállapodásokat kötött gyógyszeripari cégekkel, és ezeken keresztül valódi gyógyszerprogramokban is vesz részt. A következő néhány évben így tényleg beindulhat az MI segítségével fejlesztett gyógyszerek klinikai kutatása, amit az egyik legfontosabb területnek tartanak az MI-technológia gyakorlati előnyeinek megtapasztalásához.
Az ötlettől az értékteremtésig – egy jól működő adattudományi szervezet alapjai
Miért bukik el annyi adattudományi kezdeményezés már az indulás után? A válasz gyakran nem az algoritmusok összetettségében, hanem az adatok minőségében és kezelésében keresendő. Stabil adatforrások, következetes feature-kezelés és egy jól felépített Feature Store nélkül a gépi tanulás ritkán jut el a valódi üzleti értékteremtésig.
a melléklet támogatója a One Solutions
EGY NAPBA SŰRÍTÜNK MINDENT, AMIT MA EGY PROJEKTMENEDZSERNEK TUDNIA KELL!
Ütős esettanulmányok AI-ról, agilitásról, csapattopológiáról. Folyamatos programok három teremben és egy közösségi térben: exkluzív információk, előadások, interaktív workshopok, networking, tapasztalatcsere.
2026.03.10. UP Rendezvénytér
Nyílt forráskód: valóban ingyenes, de használatának szigorú szabályai vannak