Új generatív modell forradalmasítja a molekuláris dinamikát
Az molekuláris dinamikai szimulációk terén egy új, ígéretes technológia lépett színre, amely a Massachusetts Institute of Technology (MIT) számítástechnikai és mesterséges intelligencia laboratóriumának (CSAIL) és matematikai tanszékének kutatói által kifejlesztett MDGen névre hallgat. Ez a generatív modell képes arra, hogy egy 3D molekula egy adott állapotát kiindulási pontként használva előre jelezze a következő mozgásokat, hasonlóan egy videóhoz.
Bowen Jing, a kutatás egyik vezető szerzője elmondta, hogy az MDGen egy korai bizonyítéka a koncepció sikerének, amely új irányvonalat nyithat meg a molekuláris modellezés területén. “Korábban a generatív AI modellek viszonylag egyszerű videókat készítettek, mint például egy ember pislogása vagy egy kutya farkának csóválása. Most viszont olyan lenyűgöző modellek állnak rendelkezésre, mint a Sora vagy a Veo, amelyek számos érdekes módon hasznosíthatók.”
A kutatók megállapították, hogy az MDGen szimulációi 10-től 100-szor gyorsabbak voltak, mint a hagyományos fizikai szimulációk. A csapat tesztelte a modell képességeit, és kiderült, hogy az MDGen pontosan tudja modellezni a molekulák mozgását, miközben a generálás folyamata csupán egy percet vett igénybe, szemben a hagyományos modell három órás idejével.
Az MDGen nemcsak a mozgások szimulálására képes, hanem képes “inpainting” technikát is alkalmazni, amely lehetővé teszi, hogy a hiányzó információkat pótolja a molekulák szerkezetéről. A kutatók remélik, hogy a jövőben a gyógyszertervezés során is hasznosíthatják ezt a technológiát, amely segíthet a rák és más betegségek gyógyszereinek fejlesztésében.
Jing és társa, Hannes Stärk kiemelte, hogy az MDGen egy ígéretes lépés a molekuláris dinamikák hatékonyabb generálása felé, azonban még sok adatot kell gyűjteni ahhoz, hogy a modell valóban hasznos lehessen a gyógyszerek vagy molekulák tervezésében.
Bonnie Berger, a CSAIL vezető kutatója szerint az MDGen egy sokoldalú, többcélú modellezési keretrendszer, amely összekapcsolja a fizikai szimulációkat a mesterséges intelligenciával. “Ez a munka új lehetőségeket teremt a molekuláris állapotok közötti realistikus átmeneti pályák mintavételezésére” – tette hozzá Tommi Jaakkola, a CSAIL egyik vezető kutatója.
Az MDGen kutatási projektet a National Institute of General Medical Sciences, az Egyesült Államok Energiaminisztériuma és a National Science Foundation támogatta.
Tudtad? Az AlphaFold, egy másik generatív AI modell, képes a fehérjék szerkezetének előrejelzésére, amely forradalmasította a gyógyszerkutatást azáltal, hogy jelentősen felgyorsította a gyógyszerfejlesztési folyamatokat.
Források: MIT CSAIL, NeurIPS Conference, International Conference on Machine Learning.
