24 декабря Архивач восстановлен после серьёзной аварии. К сожалению, значительная часть сохранённых изображений и видео была потеряна. Подробности случившегося. Мы призываем всех неравнодушных помочь нам с восстановлением утраченного контента!
We trained this system on publicly available data consisting of ~170,000 protein structures from the protein data bank together with large databases containing protein sequences of unknown structure. It uses approximately 128 TPUv3 cores (roughly equivalent to ~100-200 GPUs) run over a few weeks, which is a relatively modest amount of compute in the context of most large state-of-the-art models used in machine learning today.
All of the groups in this year’s competition improved, Moult says. But with AlphaFold, Lupas says, “The game has changed.” The organizers even worried DeepMind may have been cheating somehow. So Lupas set a special challenge: a membrane protein from a species of archaea, an ancient group of microbes. For 10 years, his research team tried every trick in the book to get an x-ray crystal structure of the protein. “We couldn’t solve it.”
But AlphaFold had no trouble. It returned a detailed image of a three-part protein with two long helical arms in the middle. The model enabled Lupas and his colleagues to make sense of their x-ray data; within half an hour, they had fit their experimental results to AlphaFold’s predicted structure. “It’s almost perfect,” Lupas says. “They could not possibly have cheated on this. I don’t know how they do it.”
>>40827098 Нейроночку, которую до этого учили играть в шахматы, го и прочие старкрафты, научили решать задачу свертываемости белка достаточно точно, чтобы это было полезно в исследованиях всяких лекарств, биохимии и прочих ништяков.
>>40827141 Не совсем верно. Научили только решать задачу для известных и уже рассчитанных заранее белков. Неизвестные белки на которых её не тренировали она рассчитывать не может (в отличии от го, старкрафтов и подобный нейронок).
Что мешает нагенерить трехмерных структур белков из рандомных одномерных цепочек аминокислот? Собрать базу, потом в ней искать подходящие кандидаты для нужных задач. Приближенное решение для практики не хуже точного.
>>40827141 >достаточно точно, чтобы это было полезно в исследованиях всяких лекарств Нет. У них среднее отклонение 1.6 ангстрема, с частыми выходами на 4 А, а нужно хотя бы меньше 1А для нормального докинга. Я делал курсач по 2А, но в лабе все посмеивались над этой клоунадой включая меня самого.
И улучшить по существующей базе разрешение скорее всего нельзя, там слишком много говноструктур и слишком мало нормальных для тренировки.
>>40827623 >Что мешает нагенерить трехмерных структур белков из рандомных одномерных цепочек аминокислот? Охуевшая вычислительная сложность например, они вообще-то длинные. >Приближенное решение для практики не хуже точного. Ну охуеть вообще, расскажи это людям которые определяют структуры сайтов связывания.
>>40827076 (OP) Вычисления протеинов уже не те. Всякие розетты и F@H майнят коронавирусную хуйню, и продают её как помощь ученым. И это при том, что крупные фармкомпании и так обладают несравнимо большими вычислительными ресурсами, тоже брошенными на корону.
>>40827076 (OP) Сейчас бы искуственному интеллекту доверять скручивать белки, он там такого накрутит, что все люди превратятся в подконтрольных машинам рабов. Это в любом случае неизбежно, но хотелось бы на своём веку ещё пожить по человечески, а не пойти в переработку на топливо для ИИ.
>>40827623 >Что мешает нагенерить трехмерных структур белков из рандомных одномерных цепочек аминокислот? Собрать базу, потом в ней искать подходящие кандидаты для нужных задач. А в чем смысл если ты и так можешь белки уже существующие смотреть? Только у них и задачи изучены, потому что они реальные, блять >Приближенное решение для практики не хуже точного. В биологии хуже
>>40832052 >А в чем смысл если ты и так можешь белки уже существующие смотрет
Несуществующие смотреть. Если их в природе не существует не значит что их нельзя синтезировать.
>В биологии хуже
Там выше шарящий наверно анончик отписал, что их точности все же пока не достаточно для докинга. Но раз продемонстрировано, что способ рабочий, то будут копать дальше и улучшать.
>>40827076 (OP) Пиздец, как я ненавижу эту борду. Я ровно сутки назад пытался это выложить и ебучая борда не дала мне, "Ошибка постинга IP" или чето такое там было. Пиздец блять.
Но ваще да, счетовод белков со своей капсулой соснул с проглотом as is.
А вообще, гайз, это огромный скачок вперёд. Невероятный скорее даже.
>>40835839 Ну да. Сделают всех сначала куколдами, потом пидорами, потом сатанистами, приносящих детей молоху и приправят чумой, чтобы не скучали. Люди-то в большинстве говно и явно наделают гадостей.
>>40827076 (OP) Поясните за синтез белков, что это и зачем надо. А то, например, про автопилотируемые машины было много крика, а закончилось невнятными оправданиями, что полноценного автопилота НЕ БУДЕТ.
>>40835872 А когда ты был нужен вообще? Куколд, порашник, инцел, бодовец, даже налогоплательщика произвести из влагалища неможешь. Зачем ты сейчас нужен и кому?
>>40835871 В итоге если хватит вычислительных мощностей для моделирования можно будет создавать какие угодно организмы. Кошкодевочку например. Или бактерию которая сделает тебя пидорасом.
>>40835893 Насчет капсул хз, видел только пару тредов, безобидный шиз.
>нахуй их вычисляют
Есть вероятность словить профиты в виде новых лекарств, полезных веществ и прочего прогресса, и все за счет анона. Подробнее https://ru.m.wikipedia.org/wiki/Foldit
>>40828747 Лично я думаю, что жиды придумали корону, чтобы искусственно подсадить всех гоев на куколдинг, заставив их сидеть дома, наказывать за попытки самостоятельно найти себе занятие и работу. При этом обратите внимание Роскомнадзор, который подчиняется главному жиду Шеломову, разбанил xhamster.com, где люди выкладывают всяческие извращения, как они дрочили в прошлом году на детских площадках, пляжах и рядом со старушками. Таким образом большинство населения путем воздействия порно и репрессиями против здравомыслящих и несогласных должно было натурально стать куколдами, если еще не надев втулку на член, то хотя бы привыкнув к демонстрации полового акта в извращенной форме рядом с ними и пассивной роли наблюдателя. Но китайский дракон, которому жиды отдали на аутсорсинг разработку коронавируса, он же кукодовирус, не соблюли чистоту в пробирках и техпроцесс, кроме того использовали не чистую человеческую генетику, из-за чего вирус вышел разбавленным, чуть тяжелее обычной пневмонии. Однако мировой Жидовоской Кагал все равно решил не отказываться от планов, и гойское стадо было все равно насильно загнано в стойла. А кто сопротивлялся - получил холодной водой на морозе или даже тюрьму, совсем как фашисты с русскими партизанами делали.
>>40836223 Если моделировать научатся, думаю можно. Там же много что учесть надо, развитие организма на разных этапах, инстинкты. Пока что даже мозг электронный сделать не могут и посмотреть как он будет развиваться. Может на такое не хватит мощностей из-за ограничений физики в этом мире.
>>40836225 ИЧСХ что из жокея и всратой кракатицы нихуя не ксеномроф получается, а хрен пойми какая хуита под названием Диакон. И будто фильм не достаточно дебильный, нужно было снять просто мозгодробилное продолжения, чтобы охуеть от отсутсвия любых границ дебильности.
Пруфы:
https://deepmind.com/blog/article/alphafold-a-solution-to-a-50-year-old-grand-challenge-in-biology
https://www.sciencemag.org/news/2020/11/game-has-changed-ai-triumphs-solving-protein-structures
https://www.nature.com/articles/d41586-020-03348-4
https://www.youtube.com/watch?v=gg7WjuFs8F4
We trained this system on publicly available data consisting of ~170,000 protein structures from the protein data bank together with large databases containing protein sequences of unknown structure. It uses approximately 128 TPUv3 cores (roughly equivalent to ~100-200 GPUs) run over a few weeks, which is a relatively modest amount of compute in the context of most large state-of-the-art models used in machine learning today.
All of the groups in this year’s competition improved, Moult says. But with AlphaFold, Lupas says, “The game has changed.” The organizers even worried DeepMind may have been cheating somehow. So Lupas set a special challenge: a membrane protein from a species of archaea, an ancient group of microbes. For 10 years, his research team tried every trick in the book to get an x-ray crystal structure of the protein. “We couldn’t solve it.”
But AlphaFold had no trouble. It returned a detailed image of a three-part protein with two long helical arms in the middle. The model enabled Lupas and his colleagues to make sense of their x-ray data; within half an hour, they had fit their experimental results to AlphaFold’s predicted structure. “It’s almost perfect,” Lupas says. “They could not possibly have cheated on this. I don’t know how they do it.”