“ilaç geliştirme” için sonuçlar
16 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Yapay Zeka ile Protein Çözünmesinde Devrim: PHNN Modeli Geliştirildi
Araştırmacılar, protein moleküllerinin su içindeki davranışlarını modellemek için yenilikçi bir yapay zeka sistemi geliştirdi. Protein Hidrasyon Sinir Ağı (PHNN) adı verilen bu model, geleneksel yöntemlerin aksine fiziksel yasaları öğrenerek daha az hesaplama gücüyle daha doğru sonuçlar elde ediyor. Sistem, su moleküllerini tek tek hesaplamak yerine, matematiksel modellerin parametrelerini akıllıca düzelterek protein-su etkileşimlerini tahmin ediyor. Bu yaklaşım, ilaç geliştirme süreçlerinde kritik olan protein davranışlarının anlaşılmasında önemli bir ilerleme sağlıyor. PHNN'nin en dikkat çekici özelliği, daha önce görmediği protein türlerinde bile güvenilir tahminler yapabilmesi. Bu transferedilebilir özellik, bilim insanlarının çeşitli protein sistemlerini daha verimli şekilde incelemesine olanak tanıyor.
Yapay zeka geliştirdiği ilaç, hayvan deneylerinde fentanil bağımlılığını azalttı
Yapay zeka teknolojisi kullanılarak geliştirilen deneysel bir ilaç, opioid bağımlılığının tedavisinde umut verici sonuçlar gösteriyor. Araştırmacılar, geleneksel opioid tabanlı tedavilerin aksine serotonin reseptörlerini hedef alan bu ilacın, laboratuvar hayvanlarında fentanil tüketimini önemli ölçüde azalttığını gözlemledi. Bu yenilikçi yaklaşım, beyinde sağlıklı adaptasyonları teşvik ederek bağımlılıkla mücadelede yeni bir yol açabileceğinin sinyallerini veriyor. Yapay zekanın ilaç keşfi alanındaki potansiyelini gösteren bu çalışma, opioid krizi için alternatif tedavi stratejilerinin geliştirilmesinde önemli bir adım olarak değerlendiriliyor.
Kuantum bilgisayarlar süper bilgisayarlarla işbirliği yaparak rekor kırdı
İki kuantum bilgisayar ve iki süper bilgisayar bir araya gelerek, kuantum donanımla simüle edilen en büyük molekül rekorunu kırdı. Bu işbirliği, kuantum hesaplama teknolojisinin mevcut sınırlarını aşmanın yeni bir yolunu gösteriyor. Hibrit yaklaşım, kuantum bilgisayarların henüz tek başına üstesinden gelemediği karmaşık moleküler hesaplamalarda büyük ilerleme sağladı. Bu başarı, gelecekte ilaç geliştirme, malzeme bilimi ve kataliz alanlarında devrim yaratabilecek moleküler simülasyonlar için umut vadediyor. Kuantum ve klasik hesaplamanın birleşimi, her iki teknolojinin güçlü yanlarını kullanarak daha önce erişilemeyen hesaplama problemlerinin çözülmesine olanak tanıyor.
Yapay zeka destekli ilaç geliştirme araçları gerçek verilerle test edildi
Araştırmacılar, ilaç keşfinde kullanılan yapay zeka tabanlı araçların gerçek performansını büyük ölçekli bir veri setiyle test etti. DiffDock ve NMDN gibi yeni nesil AI araçlarının laboratuvar koşullarındaki başarısının gerçek dünyada ne kadar geçerli olduğu merak konusuydu. LIT-PCBA veri tabanından 15 hedef protein ve yaklaşık 578 bin ligand-protein çifti kullanılarak yapılan kapsamlı değerlendirmede, geleneksel AutoDock-GPU ile GNINA skorlamasının birleşimi en iyi sonuçları verdi. Çalışma, ilaç geliştirme sürecinde hangi hesaplama yöntemlerinin daha güvenilir olduğunu ortaya koyarak sektöre önemli rehberlik sağlıyor.
Bolek: İlaç Keşfinde Devrim Yaratacak Moleküler Akıl Yürütme Modeli
Araştırmacılar, ilaç geliştirme süreçlerinde moleküllerin özelliklerini analiz edebilen ve kararlarını açıklayabilen yeni bir yapay zeka modeli geliştirdi. Bolek adı verilen bu model, moleküler yapıları doğal dil ile birleştirerek, hem yüksek doğrulukla tahminler yapabiliyor hem de bu tahminlerin nedenlerini anlaşılır şekilde açıklayabiliyor. Geleneksel modeller sadece sayısal sonuçlar verirken, Bolek moleküler özellikleri detaylı bir şekilde analiz ederek mantıklı açıklamalar sunuyor. Model, 15 farklı biyoloji görevinde test edildi ve temel modeline kıyasla önemli performans artışları gösterdi. Bu gelişme, ilaç keşfi süreçlerinde şeffaflık ve güvenilirlik açısından büyük bir adım olarak değerlendiriliyor.
Yapay Zeka İlaç Geliştirmede Molekülleri 'Okumayı' Öğrendi
Araştırmacılar, ilaç moleküllerinin özelliklerini tahmin edebilen yeni bir yapay zeka sistemi geliştirdi. Ligandformer adlı bu sistem, geleneksel yöntemlerin aksine kararlarını nasıl verdiğini açıklayabiliyor ve hangi moleküler yapıların önemli olduğunu gösterebiliyor. Graf sinir ağları teknolojisini kullanan sistem, ilaç endüstrisinde molekül optimizasyonu için yol gösterici fikirler sunabilir. Bu gelişme, yapay zekanın 'kara kutu' problemini çözerek, kimyager ve biyologların AI tahminlerini kendi uzmanlıklarıyla karşılaştırabilmesine olanak tanıyor. Sistem, çok katmanlı dikkat mekanizması kullanarak moleküler yapıları analiz ediyor ve her bölgenin önem derecesini belirleyebiliyor.
Kuantum Bilgisayarlarla İlaç Tasarımında Yeni Dönem: Protein-Ligand Etkileşimleri
Araştırmacılar, ilaç geliştirme sürecinde kritik öneme sahip protein-ligand etkileşimlerini incelemek için kuantum bilgisayarları kullanmaya başladı. Geleneksel yöntemlerin kuvvet alanı parametrelerinden kaynaklanan sınırlarını aşmak amacıyla geliştirilen hibrit kuantum mekanik/moleküler mekanik (QM/MM) yaklaşım, IBM'in kuantum donanımı üzerinde test edildi. Bu yenilikçi yöntem, ilaç tasarımında kullanılan serbest enerji pertürbasyon hesaplamalarını daha hassas hale getirerek, gelecekte daha etkili ilaçların geliştirilmesine katkı sağlayabilir.
Yapay Zeka İlaç Tasarımında Nasıl Çalışıyor? Uzmanlar Açıklıyor
Yeni ilaçların keşfinde yapay zekanın rolü giderek artıyor. Bonn Üniversitesi ve Lamarr Enstitüsü'nden araştırmacılar, difüzyon modelleri adı verilen AI teknolojisinin ilaç tasarımındaki işlevini açıkladı. Bu yöntem, moleküllerin yapısını tahmin ederek potansiyel ilaç adaylarının geliştirilmesini hızlandırıyor. Geleneksel ilaç geliştirme sürecinin yıllar aldığı düşünüldüğünde, AI destekli yaklaşımların sağlık alanında devrim yaratma potansiyeli taşıdığı görülüyor. Uzmanlar, bu teknolojinin nasıl çalıştığını ve hangi avantajları sunduğunu detaylandırarak, gelecekte ilaç endüstrisinin nasıl şekilleneceğine dair ipuçları veriyor.
İlaç Keşfinde Büyük AI Modelleri Her Zaman Kazanmıyor
Stanford araştırmacıları, ilaç keşfinde yapay zekanın rolünü araştıran kapsamlı bir çalışma yürüttü. 22 farklı moleküler özellik ve aktivite testinde, büyük dil modelleri ve temel moleküler modellerin her zaman klasik makine öğrenmesi yöntemlerinden üstün olmadığını keşfetti. 167 bin test örneğinde, Random Forest ve ExtraTrees gibi geleneksel yöntemler 10 görevde birinci olurken, graf sinir ağları 9 görevde, büyük ön-eğitimli modeller ise sadece 3 görevde en iyi performansı gösterdi. Bu bulgular, ilaç geliştirmede AI yaklaşımı seçerken görev özelliklerinin dikkate alınmasının önemini vurguluyor.
Kuantum bilgisayarlar protein katlanmasını çözmede tarihi adım attı
Araştırmacılar, 64 kubitlik tuzaklanmış iyon sisteminde protein katlanma optimizasyonunu başarıyla gerçekleştirdi. Bu çalışma, kuantum bilgisayarların biyolojik problemleri çözmedeki potansiyelini gösteren en büyük ölçekli deney olarak kayda geçti. Ekip, 14-16 amino asit içeren altı farklı peptit zincirinin katlanma yapılarını, özel geliştirilmiş kuantum algoritması kullanarak analiz etti. Protein katlanması, hücrelerin temel işlevlerini anlamak ve hastalıkların kökenini araştırmak için kritik öneme sahip. Klasik bilgisayarların zorlandığı bu karmaşık problem, kuantum bilgisayarların paralel hesaplama gücüyle çözülebilir. Araştırma, ilaç geliştirme ve hastalık tedavilerinde yeni kapılar açabilir.
Yapay Zeka İlaç Hedefi Belirleme Platformu Yeni Seviyeye Taşındı
Klinik aşamada bulunan biyoteknoloji şirketi Insilico Medicine, ilaç hedefi keşfi için geliştirdiği yapay zeka çerçevesinde önemli ilerlemeler kaydettiğini duyurdu. Şirket, daha önce tanıttığı Target Identification Pro (TargetPro) ve Target Identification Benchmark (TargetBench 1.0) sistemlerini birleştirerek, erken aşama ilaç geliştirme süreçlerinin doğruluğunu, güvenilirliğini ve ölçeklenebilirliğini artıran entegre bir platform oluşturdu. Bu birleşik AI sistemi, ilaç hedeflerini belirleme ve bu hedeflerin değerlendirilmesi süreçlerini tek bir platformda topluyor. Geliştirilen sistem, özellikle ilaç keşfi sürecinin en kritik aşamalarından biri olan hedef belirleme safhasında araştırmacılara daha hassas ve güvenilir sonuçlar sunmayı hedefliyor.
Yapay Zeka İlaç Moleküllerinin Vücuttaki Hareketini Önceden Tahmin Ediyor
Oregon Üniversitesi araştırmacıları, potansiyel ilaç moleküllerinin vücut içindeki davranışlarını pahalı laboratuvar testleri yapılmadan önce tahmin edebilen yapay zeka tabanlı bir araç geliştirdi. Bu sistem, ilaç geliştirme sürecinde yaşanan yüksek başarısızlık oranlarını azaltmaya yardımcı olabilir. Piyasaya çıkan her yaşam kurtaran ilaç için, geliştirme sürecinde birçok aday molekül başarısız oluyor ve bu durum milyarlarca dolarlık kayıplara neden oluyor. Yeni AI aracı, moleküllerin vücut içindeki dağılımını, emilimini ve metabolizmasını modelleyerek, hangi adayların daha fazla yatırıma değer olduğunu erken aşamada belirlemeye olanak tanıyor.
Yapay Zeka ile Moleküler Simülasyonlarda Yeni Dönem: UniSim Platformu
Araştırmacılar, moleküllerin atom düzeyindeki davranışlarını simüle etmek için UniSim adlı yeni bir platform geliştirdi. Geleneksel moleküler dinamik simülasyonları, doğruluk ve hız arasında seçim yapmak zorunda kalırken, yapay zeka tabanlı yeni yaklaşımlar genellikle tek tip moleküllerle sınırlı kalıyordu. UniSim, farklı moleküler sistemlerden elde edilen bilgileri birleştirerek atomlar arası etkileşimleri daha iyi anlayabilen birleşik bir simülatör sunuyor. Bu yenilik, ilaç geliştirmeden malzeme bilimlerine kadar birçok alanda moleküler davranışları öngörmede önemli kolaylıklar sağlayabilir.
Yapay Zeka Güvenliği İçin Yeni Çerçeve: Deterministik AI Ajanları
Büyük dil modelleri kritik sistemlerde güvenlik açıkları yaratıyor. Araştırmacılar, bu sorunları çözmek için Yakınsak AI Ajan Çerçevesi'ni (CAAF) geliştirdi. Sistem, rastgele davranışları ortadan kaldırarak AI ajanlarının öngörülebilir şekilde çalışmasını sağlıyor. Çerçeve, atomik görev ayrıştırma, makine tarafından okunabilir güvenlik kuralları ve yapısal anlambilim gradyanları olmak üzere üç temel prensibe dayanıyor. Otonom sürüş ve ilaç geliştirme alanlarında test edilen sistem, AI'nın güvenlik kritik uygulamalarda daha güvenilir kullanımına olanak tanıyacak.
Yapay Zeka ile Peptit-Protein Etkileşimi Tahmininde Çığır Açan İkili Model
Araştırmacılar, peptit-protein etkileşimlerini tahmin eden ve yeni peptitler üretebilen entegre bir yapay zeka sistemi geliştirdi. ConGA-PePPI ve TC-PepGen adlı bu ikili model, hücresel düzenleme ve peptit tabanlı ilaç geliştirme alanında devrim yaratabilir. Sistem, peptitlerin proteinlerle nasıl etkileşime girdiğini yüksek doğrulukla öngörürken, aynı zamanda belirli hedef proteinler için yeni peptit molekülleri tasarlayabiliyor. Beş kat çapraz doğrulamada %83.9 doğruluk oranına ulaşan model, deneysel çalışmaların hızlandırılması ve maliyetlerin düşürülmesi açısından büyük potansiyel taşıyor. Bu teknoloji, özellikle kanser ve metabolik hastalıkların tedavisi için yeni ilaç adaylarının keşfinde önemli rol oynayabilir.
Yapay zeka ilaç keşfinde çığır açıyor: Az veriyle doğru tahmin yapan yeni model
Araştırmacılar, moleküllerin özelliklerini tahmin etmek için tablo tabanlı temel modelleri (TFM) kullanarak çığır açan bir yaklaşım geliştirdi. Bu yeni yöntem, geleneksel makine öğrenmesi modellerinin aksine görev özelinde eğitim gerektirmeden, bağlam içi öğrenme ile tahminlerde bulunabiliyor. İlaç geliştirme sürecinde kritik olan moleküler özellik tahmini, genellikle sınırlı veri setleri nedeniyle zorlu bir alan. Yeni yaklaşım, hem standart ilaç kıyaslama testlerinde hem de kimya mühendisliği veri setlerinde mükemmel performans göstererek, makine öğrenmesi uzmanlığı gerektirmeden etkili sonuçlar elde edilmesini sağlıyor. Bu gelişme, ilaç keşfi, kataliz ve süreç tasarımı gibi alanlarda devrim yaratma potansiyeli taşıyor.