DeepMind เสนอโมเดลทำนายรูปร่างโปรตีนแบบหลายเส้น ได้ความแม่นยำระดับปานกลางเป็นส่วนใหญ่

DeepMind ยังคงเดินหน้าวิจัยสร้างปัญญาประดิษฐ์สำหรับทำนายรูปร่างโปรตีน หลังจากปีที่แล้ว AlphaFold สามารถทำนายโครงสร้างโปรตีนได้อย่างแม่นยำระดับเดียวกับการทดลอง งานวิจัยล่าสุดของ DeepMind ก็หันมาพยายามทำนายโครงสร้างโปรตีนที่มีหลายห่วงโซ่ (multi-chain protein) ที่ยังทำนายโครงสร้างได้ยากอยู่

โมเดลปัญญาประดิษฐ์ใหม่นี้ชื่อว่า AlphaFold-Multimer ที่ยังฝึกกับชุดข้อมูล Protien Data Bank (PDB) อยู่ แต่ตัดส่วนชองโปรตีนทีละไม่เกิน 384 ส่วน (residue) มาฝึกปัญญาประดิษฐ์หาโครงสร้าง เพื่อฝึกให้หาโครงสร้างจุดเชื่อมต่อระหว่างสายโปรจีน (multimeric interfaces) จากนั้นทดสอบโมเดลปัญญาประดิษฐ์กับชุดข้อมูลเฉลย และวัดคะแนนความแม่นยำแบบ DockQ ที่ระบุว่าคะแนน 0.23 ลงไปถือว่าทำนายผิด และ 0.8 ขึ้นไปถือว่าแม่นยำมาก

จากชุดข้อมูลทดสอบ Benchmark 2 ที่มีชุดโปรตีน 17 ตัว AlphaFold-Multimer สามารถทำนายได้แม่นยำ 6 ตัว ปานกลาง 8 ตัว และผิดพลาด 3 ตัว โดยทีมงานพบว่ายังไม่สามารถทำนายโครงสร้างของการจับแอนติบอดี (binding of antibodies) ได้ดีนัก

ที่มา – DeepMind

alt="Deepmind Predict Protein"

from:https://www.blognone.com/node/125150