Mistral AI startet Mistral-Small-24B-Instruct-2501
04/02/2025
Neue KI-Training Methode verbessert das LLM-Reasoning mit strukturiertem Kritik-Lernen
04/02/2025
Forscher nutzten KI, um 770 Milliarden Datenpunkte zu analysieren und esmGFP, ein leuchtendes Protein, in wenigen Stunden zu erstellen.
Jetzt wollen sie seine Anwendungen erkunden.
Wichtige Erkenntnisse
- KI erschafft das leuchtende Protein esmGFP in Stunden.
- esmGFP hat einzigartige Eigenschaften und 58% Ähnlichkeit.
- KI simulierte 500 Millionen Jahre Evolution.
- Das ESM3-Modell verwendete 770 Milliarden Datenpunkte.
- KI ermöglicht ein schnelles Design und die Erstellung von Proteinen.
Jüngste Fortschritte in der Künstlichen Intelligenz haben zur Schaffung eines leuchtenden Proteins geführt, das das bedeutende Potenzial der KI zur Simulation komplexer molekularer Prozesse unterstreicht. Diese Entwicklung, die durch Machine Learning-Algorithmen erreicht wurde, veranschaulicht die Fähigkeit der KI, Innovationen in der Protein-Evolution voranzutreiben. Wissenschaftler können jetzt Proteine mit spezifischen Funktionen entwerfen und konstruieren, wie zum Beispiel das als esmGFP bekannte grüne fluoreszierende Protein. Bemerkenswerterweise wurde esmGFP durch die Simulation von 500 Millionen Jahren molekularer Evolution erzeugt, was zu einem Protein führte, das nur 58 % Ähnlichkeit mit seinem nächstgelegenen bekannten Verwandten aufweist.
Die Schaffung von esmGFP umfasste das Training eines KI-Modells, das als ESM3 bezeichnet wird, mit über 770 Milliarden Datenpunkten natürlicher Proteinsequenzen. Diese umfangreichen Daten ermöglichten es dem Modell, die Muster und Beziehungen zu lernen, die die Proteinstruktur und ‑funktion bestimmen. Die KI simulierte dann evolutionäre Prozesse, um ein neues Protein mit einzigartigen Eigenschaften zu entwerfen. Diese Errungenschaft hat weitreichende Implikationen und könnte den Weg für innovative Medikamente ebnen, während unser Verständnis der molekularen Evolution vertieft wird. Die Fähigkeit, Proteine mit spezifischen Funktionen zu entwerfen, wie z.B. leuchtende Proteine, könnte Bereiche wie Biotechnologie und Medizin transformieren.
Die Rolle der Künstlichen Intelligenz im Protein-Design und in der ‑Ingenieurwissenschaft geht über leuchtende Proteine hinaus. Forscher haben Machine Learning-Algorithmen genutzt, um neue Enzyme, darunter lichtemittierende Luciferasen, zu schaffen, indem sie Tausende möglicher Proteinstrukturen generiert haben. Diese neuartigen Enzyme weisen eine hohe Effizienz auf, die es ihnen ermöglicht, spezifische chemische Reaktionen effektiver durchzuführen als ihre natürlichen Gegenstücke. Die de novo-Designmethoden, die zur Erstellung dieser Enzyme angewendet wurden, heben das Potenzial der KI zur Förderung der molekularen Synthese hervor. Ihre Anwendungen sind vielfältig und reichen von Biotechnologie über Medizin bis hin zu Umweltremediation und Fertigung.
Die Integration von KI in die Proteinsynthese hat ebenfalls zu bedeutenden Fortschritten im Bereich beigetragen. Beispielsweise haben Chemiker am MIT ein Protokoll entwickelt, um synthetische Proteine schnell mit Hilfe von automatisierten Flowsynthesemaschinen zu erzeugen. Diese Technologie ermöglicht die Integration von nicht-natürlichen Aminosäuren in Proteine, was die Arzneimittelentwicklung und ‑tests beschleunigen kann und die Schaffung neuartiger Therapeutika fördert. Mit einer durchschnittlichen Effizienz von über 99 % bei der Bildung jeder Peptidbindung zeigt diese Methode die Kraft der KI-gesteuerten molekularen Synthese zur Beschleunigung von Innovationen. Während die Forschung zu KI-gestützter Protein-Evolution und ‑Synthese voranschreitet, werden signifikante Fortschritte in der Entwicklung neuer Medikamente und Therapien erwartet. Der Einsatz von ESM3 war entscheidend für diesen Fortschritt und ermöglicht es Wissenschaftlern, die Komplexität der Proteinentwicklung und des Designs besser zu verstehen.
