1200倍速い! MIT が古いモデルを打破する新世代の医薬品研究開発 AI を開発
誰もが知っているように、宇宙全体は無数の分子で満たされています。
これらの分子のうち、命を救う薬の開発に使用できる可能性のある薬のような特性を持っている分子はいくつありますか? 100万ですか?それとも何十億?それとも数兆?
答えは、10 の 60 乗です。
このような膨大な数が新薬の開発を大幅に遅らせています。新型コロナウイルス感染症のような急速に蔓延している病気に対しては、現時点では特効薬がありません。これは分子の種類と量が多すぎるためでもありますが、現在利用可能なものをはるかに超えており、医薬品設計モデルが実行できる計算の範囲。
MIT の研究チームは、この悪事を信じていません。ダメだよね、だったら前モデルを加速すればいいんじゃない?
この加速度は1200倍です。
彼らは、以前の最速の計算分子ドッキング モデル「QuickVina2-W」よりも 1,200 倍高速な「EquiBind」と呼ばれる幾何学的な深層学習モデルを研究し、薬物のような分子を組み合わせることに成功しました。タンパク質に結合すると、治験失敗の可能性とコスト。
この研究論文は ICML 2022 で発表される予定です。
「EquiBind」の初紹介
「EquiBind」は前身「EquiDock」をベースに開発されています 「EquiDock」は後期MITを利用して開発された技術です同大学の AI 研究者 Octavian-Eugen Ganea 氏によると、2 つのタンパク質を組み合わせたものです。 Ganea は、「EquiBind」論文の共著者でもあります。
医薬品開発を開始する前に、研究者は、創薬プロセス中に特定のタンパク質標的に正しく結合、つまり「ドッキング」できる有望な医薬品のような分子を見つけなければなりません。
タンパク質とのドッキングに成功した後、薬物(リガンド)を組み合わせると、タンパク質の機能が妨げられることがあります。これが細菌の必須タンパク質の 1 つに起こると、細菌を殺し、体を守ることができます。
しかし、創薬のプロセスは、経済面でも計算量の面でも多額の費用がかかる可能性があり、研究開発プロセスには数十億ドルの費用がかかることが多く、FDA による最終承認までには 10 年以上かかります。長年にわたる開発とテスト。
さらに重要なことは、薬の 90% は、効果がないか、副作用が多すぎるため、人体での治験後に失敗するということです。
したがって、製薬会社がこれらのコストを回収する方法の 1 つは、最終的に開発に成功した薬の価格を上げることです。
「EquiBind」について
現在、有望な薬剤候補分子を見つけるための計算プロセスは次のとおりです。最先端の計算モデルのほとんどは、多数の候補サンプルをスコアリング、ランキング、微調整などの方法と組み合わせて、リガンドとタンパク質の最適な「一致」を取得します。
マサチューセッツ工科大学電気工学・コンピューターサイエンス学科の大学院1年生で論文の筆頭著者であるハンネス・スターク氏は、典型的な「リガンドとタンパク質」の結合方法を「鍵をはめようとする試み」に例えた。何か。「錠前には鍵穴がたくさんある。」
# 一般的なモデルは、最適なモデルを選択する前に、時間をかけて各「適合度」をスコアリングします。これに対し、「EquiBind」はタンパク質のターゲットポケットを事前に知る必要がなく、わずか1ステップで正確なキーの位置を直接予測することができ、これを「ブラインドドッキング」と呼びます。
タンパク質内のリガンドの好ましい位置を見つけるために何度も試行する必要があるほとんどのモデルとは異なり、「EquiBind」には、モデルが分子の基礎となる物理的特性を学習し、成功するのに役立つ幾何学的推論機能がすでに組み込まれています。要約する。これにより、新しいデータや認識できないデータに遭遇したときに、一般化を成功させてより適切な予測を行うことができます。
これらの調査結果の発表はすぐに、Relay Therapeutics の最高データ責任者である Pat Walters を含む業界専門家の注目を集めました。
ウォルターズ博士は、チームが肺がん、白血病、胃腸腫瘍に使用されている既存の薬剤とタンパク質でモデルを試すことができると提案しました。従来のドッキング方法のほとんどはこれらのタンパク質上のリガンドをうまく結合できませんでしたが、EquiBind は成功しました。
Walters 氏は次のように述べています。「EquiBind は、姿勢予測と結合部位の同定を組み合わせた、ドッキング問題に対する独自のソリューションを提供します。」
「そして、この方法は、「公開されている何千もの情報からの情報」からのデータを利用します。結晶構造は、新しい方法でこの分野に影響を与える可能性を秘めています。」シュテルク氏は、「他のアプローチがすべて完全に間違っていたか、1 つだけが正しかったときは驚きました。なぜなら、EquiBind はそれを正しいポケットに入れることができたので、私たちは今、この結果を見ることができてとても興奮しています!」
「EquiBind」をヘルプしてください
「EquiBind」には業界の専門家から多くのコメントが寄せられていますが、そのフィードバックはチームが計算モデルの実際的な使用法を検討するのに役立ちました。しかし、スターク氏は、7 月に開催される ICML で異なる視点を見つけたいと考えています。
Stärk 氏は次のように述べています。「私が最も楽しみにしているフィードバックは、モデルをさらに改善する方法についての提案です。」
「私はこれらの研究者たちと話し合い、次のステップがどのようなものになると考えているかを伝え、前進して自分の論文や手法でモデルを使用するよう奨励したいと考えています。すでに多くの研究者から連絡を受けています。このモデルが彼らの問題に役立つかどうか尋ねてください。」
さらに、この記事は、幾何学機械学習の研究に重要な貢献をし、多くの学生を惜しみなく指導し、傑出した功績を残した Octavian-Eugen Gane を記念しています。謙虚な魂を持った学者。
今年の前半、彼はハイキング旅行中に私たちと永遠に別れました。
以上が1200倍速い! MIT が古いモデルを打破する新世代の医薬品研究開発 AI を開発の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

AI Hentai Generator
AIヘンタイを無料で生成します。

人気の記事

ホットツール

メモ帳++7.3.1
使いやすく無料のコードエディター

SublimeText3 中国語版
中国語版、とても使いやすい

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

ドリームウィーバー CS6
ビジュアル Web 開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

ホットトピック

従来のコンピューティングを超える能力を備えているだけでなく、より低コストでより効率的なパフォーマンスを実現する人工知能モデルを想像してみてください。これは SF ではありません。世界で最も強力なオープンソース MoE モデルである DeepSeek-V2[1] が登場しました。 DeepSeek-V2 は、経済的なトレーニングと効率的な推論の特徴を備えた強力な専門家混合 (MoE) 言語モデルです。これは 236B のパラメータで構成されており、そのうち 21B は各マーカーをアクティブにするために使用されます。 DeepSeek67B と比較して、DeepSeek-V2 はパフォーマンスが優れていると同時に、トレーニング コストを 42.5% 節約し、KV キャッシュを 93.3% 削減し、最大生成スループットを 5.76 倍に高めます。 DeepSeek は一般的な人工知能を研究する会社です

今月初め、MIT やその他の機関の研究者らは、MLP に代わる非常に有望な代替案である KAN を提案しました。 KAN は、精度と解釈可能性の点で MLP よりも優れています。また、非常に少数のパラメーターを使用して、多数のパラメーターを使用して実行する MLP よりも優れたパフォーマンスを発揮できます。たとえば、著者らは、KAN を使用して、より小規模なネットワークと高度な自動化で DeepMind の結果を再現したと述べています。具体的には、DeepMind の MLP には約 300,000 個のパラメーターがありますが、KAN には約 200 個のパラメーターしかありません。 KAN は、MLP が普遍近似定理に基づいているのに対し、KAN はコルモゴロフ-アーノルド表現定理に基づいているのと同様に、強力な数学的基礎を持っています。以下の図に示すように、KAN は

Boston Dynamics Atlas は正式に電動ロボットの時代に突入します!昨日、油圧式アトラスが歴史の舞台から「涙ながらに」撤退したばかりですが、今日、ボストン・ダイナミクスは電動式アトラスが稼働することを発表しました。ボストン・ダイナミクス社は商用人型ロボットの分野でテスラ社と競争する決意を持っているようだ。新しいビデオが公開されてから、わずか 10 時間ですでに 100 万人以上が視聴しました。古い人が去り、新しい役割が現れるのは歴史的な必然です。今年が人型ロボットの爆発的な年であることは間違いありません。ネットユーザーは「ロボットの進歩により、今年の開会式は人間のように見え、人間よりもはるかに自由度が高い。しかし、これは本当にホラー映画ではないのか?」とコメントした。ビデオの冒頭では、アトラスは仰向けに見えるように地面に静かに横たわっています。次に続くのは驚くべきことです

以前に書きましたが、今日は、深層学習テクノロジーが複雑な環境におけるビジョンベースの SLAM (同時ローカリゼーションとマッピング) のパフォーマンスをどのように向上させることができるかについて説明します。ここでは、深部特徴抽出と深度マッチング手法を組み合わせることで、低照度条件、動的照明、テクスチャの弱い領域、激しいセックスなどの困難なシナリオでの適応を改善するように設計された多用途のハイブリッド ビジュアル SLAM システムを紹介します。当社のシステムは、拡張単眼、ステレオ、単眼慣性、ステレオ慣性構成を含む複数のモードをサポートしています。さらに、他の研究にインスピレーションを与えるために、ビジュアル SLAM と深層学習手法を組み合わせる方法も分析します。公開データセットと自己サンプリングデータに関する広範な実験を通じて、測位精度と追跡堅牢性の点で SL-SLAM の優位性を実証しました。

AI は確かに数学を変えつつあります。最近、この問題に細心の注意を払っている陶哲軒氏が『米国数学協会会報』(米国数学協会会報)の最新号を送ってくれた。 「機械は数学を変えるのか?」というテーマを中心に、多くの数学者が意見を述べ、そのプロセス全体は火花に満ち、ハードコアで刺激的でした。著者には、フィールズ賞受賞者のアクシャイ・ベンカテシュ氏、中国の数学者鄭楽軍氏、ニューヨーク大学のコンピューター科学者アーネスト・デイビス氏、その他業界で著名な学者を含む強力な顔ぶれが揃っている。 AI の世界は劇的に変化しています。これらの記事の多くは 1 年前に投稿されたものです。

Google が推進する JAX のパフォーマンスは、最近のベンチマーク テストで Pytorch や TensorFlow のパフォーマンスを上回り、7 つの指標で 1 位にランクされました。また、テストは最高の JAX パフォーマンスを備えた TPU では行われませんでした。ただし、開発者の間では、依然として Tensorflow よりも Pytorch の方が人気があります。しかし、将来的には、おそらくより大規模なモデルが JAX プラットフォームに基づいてトレーニングされ、実行されるようになるでしょう。モデル 最近、Keras チームは、ネイティブ PyTorch 実装を使用して 3 つのバックエンド (TensorFlow、JAX、PyTorch) をベンチマークし、TensorFlow を使用して Keras2 をベンチマークしました。まず、主流のセットを選択します

テスラのロボット「オプティマス」の最新映像が公開され、すでに工場内で稼働可能となっている。通常の速度では、バッテリー(テスラの4680バッテリー)を次のように分類します:公式は、20倍の速度でどのように見えるかも公開しました - 小さな「ワークステーション」上で、ピッキング、ピッキング、ピッキング:今回は、それがリリースされたハイライトの1つビデオの内容は、オプティマスが工場内でこの作業を完全に自律的に行い、プロセス全体を通じて人間の介入なしに完了するというものです。そして、オプティマスの観点から見ると、自動エラー修正に重点を置いて、曲がったバッテリーを拾い上げたり配置したりすることもできます。オプティマスのハンドについては、NVIDIA の科学者ジム ファン氏が高く評価しました。オプティマスのハンドは、世界の 5 本指ロボットの 1 つです。最も器用。その手は触覚だけではありません

目標検出は自動運転システムにおいて比較的成熟した問題であり、その中でも歩行者検出は最も初期に導入されたアルゴリズムの 1 つです。ほとんどの論文では非常に包括的な研究が行われています。ただし、サラウンドビューに魚眼カメラを使用した距離認識については、あまり研究されていません。放射状の歪みが大きいため、標準のバウンディング ボックス表現を魚眼カメラに実装するのは困難です。上記の説明を軽減するために、拡張バウンディング ボックス、楕円、および一般的な多角形の設計を極/角度表現に探索し、これらの表現を分析するためのインスタンス セグメンテーション mIOU メトリックを定義します。提案された多角形モデルの FisheyeDetNet は、他のモデルよりも優れたパフォーマンスを示し、同時に自動運転用の Valeo 魚眼カメラ データセットで 49.5% の mAP を達成しました。
