Bioinformatik: Kunstig intelligens forårsager et paradigmeskift inden for molekylære simuleringer
Nanjing (LabNews Media LLC) – Integrationen af maskinlæringsalgoritmer, især deep learning-teknikker, har udløst et teknologisk paradigmeskift inden for biomolekylære simuleringer. Et forskerhold fra Nanjing Universitet har i en videnskabelig oversigtsartikel skitseret, hvordan kunstig intelligens (AI) kan løse det årtier lange dilemma mellem beregningsmæssig nøjagtighed og effektivitet. Mens værktøjer som AlphaFold2 har revolutioneret proteiners statiske struktur, har AI-modeller manglet de eksperimentelle data til at forudsige cellebevægelser. Molekyldynamiske (MD) simuleringer, i forbindelse med AI, udfylder nu dette hul. Artiklen blev offentliggjort i tidsskriftet Quantitative Biology (DOI: 10.1002/qub2.70024). For at dechifrere biologiske funktioner på molekylært niveau har forskere ikke kun brug for 3D-strukturer i høj opløsning, men også mekanistisk indsigt i molekylers dynamik – for eksempel i proteinfoldning eller protein-protein-interaktioner. Klassiske all-atom-simuleringer beregner atombaner ved hjælp af empiriske kraftfelter, men støder på begrænsninger i komplekse, storskala processer såsom amyloid-aggregering (proteinaflejringer)...





