Tehnologie și știință19:10

Cum folosește un laborator Codex și ChatGPT pentru a căuta molecule antimicrobiene

Laboratorul condus de César de la Fuente folosește instrumente OpenAI pentru cod, ipoteze și analiză, într-un efort de a restrânge mai rapid căutarea unor candidați antimicrobieni.

Ilustrație editorială despre folosirea inteligenței artificiale pentru analiza proteinelor și a moleculelor antimicrobiene
Ilustrație editorială originală generată cu inteligență artificială pentru FONTES
Redacția FONTES 1 sursă directă consultată formulare originală

Un laborator condus de cercetătorul César de la Fuente folosește modele de inteligență artificială pentru a căuta posibile molecule antimicrobiene în volume mari de informații biologice. Într-un material publicat de OpenAI, echipa explică modul în care combină modele de învățare profundă, ChatGPT și Codex pentru a formula ipoteze, a scrie cod, a analiza rezultate și a conecta idei din discipline diferite.

Punctul de plecare este o problemă de scară: genomurile și bazele de date cu proteine pot conține un număr foarte mare de secvențe, iar testarea lor una câte una ar fi lentă și costisitoare. Modelele computaționale sunt folosite pentru a identifica tipare și pentru a restrânge lista la candidați care merită investigați. OpenAI afirmă că unele etape inițiale de căutare care ar fi putut dura ani pot fi reduse la ore, dar această estimare aparține companiei și descrie procesul de selecție digitală, nu obținerea unui medicament.

ChatGPT și Codex nu sunt prezentate ca înlocuitori pentru laborator. Echipa le folosește ca instrumente de sprijin pentru explorarea ipotezelor, automatizarea unor sarcini de programare, organizarea datelor și interpretarea preliminară. Modelele de învățare profundă caută secvențe promițătoare, iar cercetătorii decid ce merită sintetizat și testat experimental. Rezultatele obținute pe calculator trebuie confirmate prin experimente biologice.

Diferența dintre un candidat identificat de un algoritm și un tratament disponibil este esențială. O moleculă promițătoare trebuie evaluată pentru eficiență, toxicitate, dozare, stabilitate și posibilitatea de fabricație. Urmează apoi verificări independente, evaluări de reglementare și, dacă rezultatele justifică acest lucru, studii clinice. Materialul nu anunță aprobarea unui antibiotic nou și nu oferă recomandări medicale.

Exemplul arată unde poate accelera inteligența artificială cercetarea: în căutarea și prioritizarea unor piste într-un spațiu de date prea mare pentru analiză manuală. Valoarea finală se stabilește însă prin metode științifice obișnuite, date reproductibile și validare experimentală. Informațiile prezentate au caracter jurnalistic și nu trebuie folosite pentru diagnostic ori tratament.

Notă editorială: Material realizat de Redacția FONTES pe baza surselor publice indicate. FONTES nu revendică informațiile, investigațiile sau relatările originale; ne asumăm selecția, verificarea, sinteza și formularea articolului.