Google DeepMind ha identificato oltre due milioni di strutture cristalline con il suo strumento di intelligenza artificiale (AI) GNoME, dando seguito agli sforzi di sintesi proteica compiuti negli ultimi anni. Se dimostrate, queste sostanze cristalline potrebbero essere testate in applicazioni energetiche, includendo le materie prime per celle solari e speciali dispositivi elettrici a resistenza zero a determinate temperature.
Delle circa due milioni di sostanze scoperte, DeepMind intende renderne disponibili 381.000 per ulteriori test. Le scoperte dell’intelligenza artificiale sono equivalenti alle conoscenze acquisite in 800 anni di test ed esperimenti.
SponsoredLa ricerca sui cristalli dell’intelligenza artificiale di DeepMind abbassa la barriera d’ingresso
Tuttavia, per valutare la stabilità delle strutture chimiche dell’intelligenza artificiale, il team aveva bisogno di un’analisi umana. In un articolo pubblicato su Nature, gli scienziati affermano che l’intelligenza artificiale ha permesso di aggirare i “costosi metodi di prova ed errore”.
Per saperne di più: L’intelligenza artificiale sostituirà gli esseri umani?
Le loro scoperte sono già utilizzate dai ricercatori dell’Università della California, Berkeley, e del Lawrence Berkeley National Laboratory. Oltre alle applicazioni solari ed elettriche, le strutture cristalline possono essere utilizzate per creare chip per computer per grandi aziende come Nvidia e IBM. L’ingegnere elettrico americano Jack Kilby ha costruito il primo chip per computer su un cristallo di silicio nel 1958.
DeepMind ha già utilizzato l’intelligenza artificiale per creare strutture proteiche con una precisione a livello di atomo. Le aziende di biotecnologia utilizzano questa tecnologia per vaccini e altri esperimenti di scoperta di farmaci.
Per saperne di più: I 6 lavori più caldi nel campo dell’intelligenza artificiale (AI) nel 2023
La tecnologia può aiutare a evitare il costoso processo di sintesi in laboratorio, anche se i farmaci devono ancora essere sottoposti a test clinici. La predizione tridimensionale delle proteine è stata proposta per la prima volta da C. B. Anfinsen, E. Haber, M. Sela e F. H. White, Jr. in un documento del 1961 della National Academy of Sciences.
Ma DeepMind può risolvere problemi difficili?
La scoperta di nuove strutture cristalline e proteine è un’importante conquista scientifica. Ma come sottolinea un esperto di chimica, Derek Lowe, lo strumento DeepMind per le proteine non è in grado di dare un senso alle regioni proteiche meno conosciute che non hanno una struttura ordinata. Egli sostiene che conoscere la struttura di una proteina non è la sfida principale nella creazione di farmaci.
“La struttura della proteina può aiutare a generare idee su quali composti produrre successivamente, ma anche no. Alla fine, ciò che conta sono i numeri reali del sistema biologico reale”.
Aggiunge che è più probabile che i farmaci falliscano perché i ricercatori non li usano correttamente o perché si comportano in modo strano. La comprensione della struttura delle proteine non contribuisce a mitigare questi rischi.
Avete qualcosa da dire sulle strutture cristalline o proteiche sviluppate dalla società di intelligenza artificiale DeepMind, o su qualsiasi altra cosa? Scriveteci o partecipate alla discussione sul nostro canale Telegram. Potete trovarci anche su TikTok, Facebook o X (Twitter).
Le migliori piattaforme di criptovalute negli Stati Uniti | Novembre 2023
Paybis
MoonPay
Coinbase
iTrustCapital
Uphold
eToro
BYDFi
Disclaimer
Tutte le informazioni contenute nel nostro sito web sono pubblicate in buona fede e solo a scopo informativo generale. Qualsiasi azione intrapresa dal lettore in base alle informazioni contenute nel nostro sito web è strettamente a suo rischio e pericolo.
