जैव प्रौद्योगिकी के क्षेत्र में, नया स्टार्टअप Latent Labs 50 मिलियन डॉलर के वित्तपोषण के साथ गोपनीयता से सार्वजनिक दृष्टि की ओर बढ़ रहा है। इस कंपनी की स्थापना पूर्व गूगल DeepMind वैज्ञानिक सिमोन कोहल ने की है, जिसका उद्देश्य कृत्रिम बुद्धिमत्ता के मौलिक मॉडलों का उपयोग करके 'जैविकी को प्रोग्रामेबल बनाना' है, और जैव प्रौद्योगिकी और दवा कंपनियों के साथ मिलकर प्रोटीन उत्पन्न करना और अनुकूलित करना है। Latent Labs के मिशन को समझने के लिए, सबसे पहले यह समझना आवश्यक है कि प्रोटीन जैविकी में एक महत्वपूर्ण भूमिका निभाते हैं। प्रोटीन जीवित

हाल ही में, पूर्व DeepMind वैज्ञानिक साइमोन कोल (Simon Kohl) ने एक नई आर्टिफिशियल इंटेलिजेंस दवा खोजने वाली कंपनी की स्थापना की, जिसका उद्देश्य प्रोटीन भविष्यवाणी के क्षेत्र में उनके व्यापक अनुभव का उपयोग करना है, खासकर नोबेल पुरस्कार विजेता AlphaFold प्रणाली से संबंधित अनुभव। AlphaFold एक क्रांतिकारी आर्टिफिशियल इंटेलिजेंस工具 है, जो प्रोटीन की तीन आयामी संरचना को सटीक रूप से पूर्वानुमानित कर सकता है, जो बायोमेडिकल अनुसंधान में व्यापक ध्यान आकर्षित करता है। चित्र स्रोत नोट: चित्र AI द्वारा उत्पन्न, चित्र अधिकार सेवा द्वारा अनुमत।

मैसाचुसेट्स इंस्टीट्यूट ऑफ टेक्नोलॉजी (MIT) के वैज्ञानिकों ने हाल ही में एक शक्तिशाली ओपन-सोर्स आर्टिफिशियल इंटेलिजेंस मॉडल, Boltz-1 को जारी किया है। यह नवाचार जैव चिकित्सा अनुसंधान और दवा विकास को उल्लेखनीय रूप से तेज करने की संभावना है। Boltz-1 पहला पूर्ण ओपन-सोर्स मॉडल है, जो जैव अणु संरचना भविष्यवाणी में Google की DeepMind के AlphaFold3 के समान उन्नत स्तर तक पहुँच सकता है। इस मॉडल के विकास टीम MIT Jameel मशीन लर्निंग स्वास्थ्य क्लिनिक से है, जिसमें मुख्य रूप से स्नातक छात्र जेरEMY वॉलवेंड और अन्य शामिल हैं।

गूगल दीपमाइंड ने हाल ही में AlphaFold3 का स्रोत कोड और मॉडल वजन जारी किया, जो एक महत्वपूर्ण प्रगति का संकेत है जो वैज्ञानिक खोजों और दवा विकास कोaccelerate कर सकता है। यह खबर आने के केवल कुछ हफ्तों बाद, प्रणाली के निर्माता डेमिस हसाबिस और जॉन जंपर ने 2024 के नोबेल रसायन पुरस्कार को प्राप्त किया, जिसका श्रेय उन्हें प्रोटीन संरचना भविष्यवाणी में उनके योगदान के लिए दिया गया। पिछले संस्करण AlphaFold2 की तुलना में, AlphaFold3 की तकनीकी क्षमता।

जीव विज्ञान तकनीक स्टार्टअप Chai Discovery ने AI मॉडल Chai-1 लॉन्च किया है, जिसका उद्देश्य आणविक संरचना का पूर्वानुमान लगाना है, दवा विकास में सहायता करना। यह मॉडल सटीकता में गूगल के DeepMind के AlphaFold को पार करता है, और इसे OpenAI और Thrive Capital का समर्थन प्राप्त है। Chai-1 का निःशुल्क वेब इंटरफ़ेस और ओपन-सोर्स कोड गैर-वाणिज्यिक शोध को प्रोत्साहित करता है। यह मॉडल विभिन्न आणविक प्रकारों के पूर्वानुमान में उत्कृष्ट प्रदर्शन करता है, विशेष रूप से जब डेटा अधूरा हो, इसकी सटीकता अपेक्षा से अधिक होती है, दवा विकास के क्षेत्र में।

AlphaFold3 जीवन विज्ञान और कंप्यूटर विज्ञान के संगम पर एक महत्वपूर्ण प्रगति के रूप में है, जो गूगल के DeepMind द्वारा प्रकाशित किया गया है, लेकिन कोड या मॉडल के वजन प्रदान न करने के कारण, वैज्ञानिक समुदाय में पुनर्निर्माण की लहर उठी है। Ligo एक स्टार्टअप कंपनी है, जिसने AlphaFold3 का सफल पुनर्निर्माण करने वाली पहली टीम बनने का गौरव प्राप्त किया, इसके तीन संस्थापक सभी ऑक्सफ़ोर्ड विश्वविद्यालय के स्नातक हैं, जिन्होंने केवल चार महीने में यह उपलब्धि हासिल की, जो वैज्ञानिक संभावनाओं को दर्शाती है। यह परिणाम जीवन विज्ञान के क्षेत्र में एक मील का पत्थर माना जाता है, विशेष रूप से प्रोटीन संरचना भविष्यवाणी के क्षेत्र में इसकी विशाल संभावनाओं के कारण।

AlphaSeq, A-Alpha Bio द्वारा पेश किया गया, प्रोटीन इंटरैक्शन (PPI) पूर्वानुमान की सीमाओं को तोड़ता है और यह दुनिया का सबसे बड़ा PPI डेटा सेट बन गया है, जिसमें 7.5 अरब से अधिक माप परिणाम शामिल हैं। यह प्रोटीन संरचना पूर्वानुमान में AlphaFold की सफलता की तुलना में विशेष रूप से PPI पूर्वानुमान में कुशल है, और इस प्रक्रिया को सरल बनाने के लिए अभिनव तरीकों का उपयोग करता है। AlphaSeq का प्रयोगात्मक मंच लाखों PPI के बंधन संतुलन को प्रभावी ढंग से मापने में सक्षम है, जिससे प्रोटीन अनुसंधान की गति तेज़ होती है।

AlphaFold3 (AF3) DeepMind टीम का नवीनतम उन्नत उपकरण है, जो प्रोटीन, न्यूक्लिक एसिड और लघु अणुओं की संरचना का भविष्यवाणी करने के लिए है। एकल प्रोटीन अनुक्रम और इसके परिसर संरचना के विश्लेषण की क्षमता के साथ, AF3 ने नुस्खे से तीन आयामी संरचना में परिवर्तन किया। इसका ढांचा तीन मुख्य मॉड्यूलों से बना है: इनपुट तैयारी अनुक्रम को साफ करना, समान संरचना वाले अणुओं की खोज करना; निरूपण अध्ययन में बहु-स्तरीय ध्यान तंत्र का उपयोग करके निरूपण को अपडेट करना; संरचना भविष्यवाणी आवश्यकतावादी प्रसार मॉडल के माध्यम से की जाती है। AF3 रचनात्मक रूप से विभिन्न प्रकार के अणुओं को अद्वितीय संख्याओं में बदलता है।

हार्वर्ड और कोलंबिया यूनिवर्सिटी ने एक ओपन-सोर्स डेटा सेट OpenProteinSet जारी किया, जिसमें 16 मिलियन प्रोटीन बहु-अनुक्रम संरेखण और संबंधित डेटा शामिल हैं, जो AI मॉडल प्रशिक्षण के लिए समर्थन प्रदान करता है। AlphaFold 2 की सटीकता ने प्रोटीन संरचना भविष्यवाणी के क्षेत्र में एक मील का पत्थर स्थापित किया, लेकिन इसके निजी डेटा ने अन्य शोधकर्ताओं की प्रगति को सीमित कर दिया। OpenProteinSet में PDB में सभी प्रोटीन के MSA शामिल हैं, जो प्रोटीन मशीन लर्निंग समुदाय को प्रचुर पूर्व-गणना MSA संसाधन प्रदान करता है। यह डेटा सेट संरचनात्मक जैविकी के विभिन्न कार्यों के लिए उपयोग किया जा सकता है।