“ilaç keşfi” için sonuçlar
28 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Milyarlarca Molekül Hesaplamasıyla Dev Veri Seti: THEMol
Araştırmacılar, organik moleküllerin kuantum mekaniksel özelliklerini içeren devasa bir açık kaynak veri seti olan THEMol'ü geliştirdi. Bu veri seti, 50'ye kadar ağır atomlu kapalı kabuklu organik moleküller için yaklaşık 3 milyar yoğunluk fonksiyonel teorisi hesaplaması içeriyor. THEMol, ilaç keşfi, elektrolit ve iyonik sıvı araştırmalarında kullanılabilecek kapsamlı moleküler bilgiler sunuyor. Veri seti, 3 milyondan fazla rahatlatılmış geometriye sahip Hessian alt kümesi ve yaklaşık 100 milyon kısıtlı rahatlatılmış geometriyle TorsionScan alt kümesini içeriyor. On iki temel elementi kapsayan kimyasal uzay örneklemesi ile çeşitli moleküler mimarileri barındıran bu kaynak, bilim insanlarına moleküler davranışları daha iyi anlama imkanı sağlıyor.
Yeni İlaç Geliştirme Yöntemi Hesaplama Süresini 30 Kata Kadar Kısaltıyor
Araştırmacılar, ilaç geliştirme sürecinin kritik aşamalarından olan moleküler bağlanma kuvveti hesaplamalarını dramatik şekilde hızlandıran dual-LAO adlı yeni bir yöntem geliştirdi. Bu teknik, mevcut yöntemlere kıyasla 15-30 kat daha hızlı çalışarak ilaç endüstrisinin karşılaştığı en büyük zorluklardan birini çözüyor. Yöntem, özellikle karmaşık moleküler değişimlerin hesaplanmasında başarılı olurken, doğruluğundan da ödün vermiyor. Bu gelişme, ilaç keşfi ve optimizasyonunda rutin kullanım için yeterli hız ve güvenilirlikle hesaplama yapılmasının önünü açıyor. Bilim insanları, bu yöntemi polarize edilebilir kuvvet alanlarıyla birleştirerek standart ilaç hedeflerinde test ettiler ve beklenenden çok daha iyi sonuçlar elde ettiler.
Kuantum bilgisayarlardaki performans sorunlarının kaynağı nihayet ortaya çıktı
Kuantum bilgisayarlar gelecekte karmaşık moleküler etkileşimleri modelleyerek ilaç keşfi ve malzeme geliştirmede devrim yaratabilir. Ancak bu teknolojinin gerçek potansiyeline ulaşabilmesi için performansını engelleyen faktörlerin anlaşılması kritik öneme sahip. Yeni geliştirilen kuantum devre testleri, bu gelecek vaat eden sistemlerin performansını düşüren gizli faktörleri tespit etmeyi başardı. Bu keşif, kuantum bilgisayarların daha güvenilir ve etkili çalışması için önemli bir adım teşkil ediyor. Araştırmacılar, kuantum devrelerde meydana gelen bozulmaları daha detaylı analiz edebilme imkanına kavuştu.
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.
Yapay Zeka ile NMR Spektroskopisi: Moleküllerdeki Gizli Kimyasal Farkları Keşfetmek
Araştırmacılar, moleküllerin kimyasal özelliklerini anlamada kritik bir sorunu çözdü. Aynı yapıya sahip atomlar gerçekte farklı kimyasal ortamlarda bulunabilir, ancak geleneksel yöntemler bu farkları yakalayamıyor. Bilim insanları, NMR spektroskopisi verilerini yapay zeka ile birleştirerek CLAIM adlı yeni bir sistem geliştirdi. Bu sistem, moleküllerin 2D yapısal bilgilerini atom seviyesindeki NMR gözlemleriyle eşleştiriyor. Böylece kaybolmuş kimyasal detayları geri kazandırıyor ve dinamik moleküler davranışları daha iyi anlamamızı sağlıyor. Araştırma, ilaç keşfi ve malzeme biliminde yeni olanaklar sunuyor.
Yapay Zeka Artık İlaç Moleküllerini Geri Sentezleyebiliyor
Araştırmacılar, büyük dil modellerinin (LLM) kimyasal sentez planlamasında devrim yaratabilecek yeni bir yaklaşım geliştirdi. Retrosintez olarak bilinen süreç, hedef moleküllerin daha basit bileşenlere ayrıştırılması yoluyla ilaç geliştirmede kritik rol oynar. Geleneksel makine öğrenmesi yöntemleri tek adımlık reaksiyonlarla sınırlıyken, yeni sistem çok adımlı sentez yollarını planlamada başarı gösteriyor. Bu gelişme, ilaç keşfi ve organik kimya alanında daha etkili sentez stratejilerinin geliştirilmesine kapı açabilir.
DeepHartree: Yapay Zeka ile Kuantum Kimya Hesaplamalarında Devrim
Araştırmacılar, büyük moleküllerin kuantum kimyasal özelliklerini hesaplamada karşılaşılan hesaplama darboğazını aşmak için DeepHartree adlı yenilikçi bir yapay zeka sistemi geliştirdi. Yoğunluk fonksiyonel teorisi (DFT) hesaplamalarında kritik olan Hartree potansiyelini hesaplama sürecini O(N⁴) karmaşıklığından neredeyse doğrusal O(N) seviyesine indiren bu sistem, GPU hızlandırması kullanıyor. Poisson denklemini yapay sinir ağlarıyla birleştiren DeepHartree, elektron yoğunluğu ve Hartree potansiyelini eş zamanlı olarak tahmin ederek, büyük moleküler sistemlerin analizini önemli ölçüde hızlandırıyor. Bu gelişme, ilaç keşfi, malzeme bilimi ve kataliz araştırmalarında yeni olanaklar sunabilir.
Kuantum Bilgisayarlar Moleküler Dinamikleri Simüle Etmede Yeni Bir Aşamaya Geçiyor
Araştırmacılar, kuantum bilgisayarlarda moleküler hareketleri simüle etmek için daha verimli bir yöntem geliştirdi. Variationally compression adı verilen bu teknik, karmaşık kuantum devrelerini sıkıştırarak daha az kubit kullanımıyla aynı doğrulukta sonuçlar elde etmeyi mümkün kılıyor. Özellikle kimyasal reaksiyonlardaki molekül dinamiklerinin incelenmesinde önemli avantajlar sunuyor. Bu gelişme, kuantum simülasyonlarının daha pratik hale gelmesine ve gelecekte ilaç keşfi, malzeme bilimi gibi alanlarda devrim yaratmasına zemin hazırlıyor. Yöntem, hibrit kuantum-klasik optimizasyon ile test edildi ve başarılı sonuçlar verdi.
Yapay Zeka, Yoğunluk Fonksiyonel Teorisi İçin Yeni Matematiksel Fonksiyonlar Keşfetti
Araştırmacılar, büyük dil modellerini kullanarak yoğunluk fonksiyonel teorisinde (DFT) kritik öneme sahip değişim-korelasyon fonksiyonlarını otomatik olarak keşfeden bir sistem geliştirdi. Geleneksel olarak bilim insanları tarafından elle tasarlanan bu fonksiyonlar, moleküllerin ve malzemelerin elektronik özelliklerini hesaplamada kullanılıyor. Yeni sistem, evrimsel süreçlerden ilham alarak fonksiyonel formları öneriyor ve iteratif bir döngüyle performanslarını test ediyor. SAFS26-a adlı en başarılı fonksiyon, altın standart olarak kabul edilen ωB97M-V fonksiyonunu geride bıraktı. Bu gelişme, kimyasal hesaplamalarda daha doğru sonuçlar elde edilmesini sağlayabilir ve malzeme biliminden ilaç keşfine kadar birçok alanda uygulanabilir.
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.
İlaç tasarımında devrim: Atomik çözünürlükle deneme yanılmaya son
İlaç keşfi süreçlerinde hâlâ pahalı deneme yanılma yöntemlerine başvuruluyor. ICTER araştırmacıları, molekülleri adım adım inşa ederek atomik çözünürlükte davranışlarını gözlemleyen yeni bir yaklaşım geliştirdi. Bu yöntem, yeni tedavilerin geliştirilmesini önemli ölçüde hızlandırabilir ve yan etkileri azaltabilir. Geleneksel ilaç geliştirme süreçlerinin aksine, bu teknik moleküler düzeyde gerçek zamanlı gözlem imkanı sunuyor. Araştırma, hem zaman hem de maliyet açısından büyük tasarruf sağlayabilecek potansiyele sahip. Bu gelişme, farmakoloji alanında köklü bir değişikliğe işaret ediyor.
Yapay Zeka Kimyasal Reaksiyonlardaki Eksik Verileri Tamamlayabiliyor
Kimyasal reaksiyon veri tabanları genellikle eksik bilgiler içerir - yan ürünler, yardımcı reaktifler ve stokiyometrik katsayılar sıklıkla kayıptır. Araştırmacılar, bu sorunu çözmek için CompleteRXN adlı yeni bir yapay zeka sistemi geliştirdi. Sistem, eksik kimyasal reaksiyon verilerini tamamlamak için özel olarak tasarlanmış bir makine öğrenmesi modeli kullanıyor. USPTO gibi büyük kimyasal veri tabanlarından alınan eksik reaksiyonları, mekanistik reaksiyon verileriyle eşleştirerek gerçekçi bir test ortamı oluşturuldu. Geliştirilen Constrained Reaction Balancer (CRB) modeli, rastgele veri setlerinde %99.20, zorlu test koşullarında ise %91.12 doğruluk oranına ulaştı. Bu başarı, ilaç keşfi ve kimyasal sentez planlaması gibi alanlarda daha güvenilir sonuçlar elde edilmesini sağlayabilir.
Sanal hücre modelleri gerçek dünya testlerinde yetersiz kalıyor
İlaç keşfi ve kişiselleştirilmiş tıp alanında büyük umut vaat eden sanal hücre modelleri, laboratuvar ortamında etkileyici sonuçlar verse de gerçek dünya koşullarında beklenenden düşük performans sergiliyor. Araştırmacılar, mevcut değerlendirme sistemlerinin çok basitleştirilmiş olduğunu ve biyolojik sistemlerin karmaşıklığını yansıtmadığını tespit etti. Yeni geliştirilen standart test çerçevesi, modellerin görülmemiş hücre türleri, bilinmeyen müdahaleler ve farklı veri setleri arasında genelleme yapma kabiliyetlerini ölçüyor. Sonuçlar, model başarısının büyük ölçüde bağlama bağlı olduğunu ve görev tasarımından güçlü şekilde etkilendiğini gösteriyor. Bu bulgular, sanal hücre teknolojisinin klinik uygulamalara geçmeden önce daha kapsamlı değerlendirmelere ihtiyaç duyduğunu ortaya koyuyor.
Yapay Zeka ile Kimyasal Hesaplamalar 10 Kat Hızlandırıldı
Araştırmacılar, moleküllerin elektronik yapısını önceden tahmin eden yeni bir yapay zeka modeli geliştirdi. DM-PhiSNet adı verilen bu sistem, kimyasal hesaplamaların temelini oluşturan SCF iterasyonlarını %49-81 oranında azaltarak dramatik bir hızlanma sağlıyor. Model, molekülün geometrisinden yola çıkarak elektron yoğunluk matrisini doğrudan tahmin ediyor ve fiziksel kısıtlamaları göz önünde bulundurarak gerçekçi sonuçlar üretiyor. Su, metan, amonyak gibi altı farklı molekül üzerinde test edilen sistem, geleneksel yöntemlere kıyasla çok daha az iterasyon adımıyla doğru sonuçlara ulaşıyor. Bu gelişme, ilaç keşfi, malzeme bilimi ve kataliz araştırmalarında kullanılan kuantum kimyasal hesaplamaları önemli ölçüde hızlandırabilir.
Kimyagerler karmaşık molekül sentezini kolaylaştıran yeni yöntem geliştirdi
Max Planck Kömür Araştırması Enstitüsü'ndeki kimyagerler, alken bileşiklerinin alkilasyonu için pratik iki aşamalı bir yöntem geliştirerek uzun süredir var olan sentetik kimya zorluğunu çözdü. Thianthrenation adı verilen bu teknik, karmaşık moleküllerin üretimini önemli ölçüde basitleştiriyor. Geliştirilen yaklaşım, ilaç keşfi, tarım kimyasalları ve malzeme bilimi alanlarında geniş uygulama potansiyeli taşıyor. Nature dergisinde yayımlanan bu çalışma, organik sentez alanında önemli bir ilerleme olarak değerlendiriliyor ve endüstriyel üretim süreçlerini daha verimli hale getirebilecek nitelikte.
Kuantum bilgisayarlarda simülasyon maliyetini bin kat azaltan yeni yöntem
Araştırmacılar, kuantum bilgisayarlarda karmaşık moleküler sistemlerin simülasyonunda kullanılan qDRIFT yönteminin verimliliğini dramatik şekilde artıran MLMC-qDRIFT tekniğini geliştirdi. Geleneksel yöntemler, büyük moleküler sistemlerde binlerce kuantum kapısı gerektirirken, yeni yaklaşım çok seviyeli örnekleme stratejisi kullanarak hesaplama maliyetini üçte bir oranında düşürüyor. Bu gelişme, ilaç keşfi ve malzeme biliminde kuantum bilgisayarların pratik kullanımına önemli katkı sağlayabilir. Yöntem, farklı derinlikteki kuantum devrelerini akıllıca birleştirerek, yüksek doğrulukta sonuçlar elde etmek için gereken rastgele deney sayısını önemli ölçüde azaltıyor.
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.
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.
FARM: Molekülleri Fonksiyonel Gruplarıyla Anlamak İçin Yeni Yapay Zeka Modeli
Araştırmacılar, küçük molekülleri daha etkili bir şekilde analiz edebilmek için FARM adlı yenilikçi bir yapay zeka modeli geliştirdi. Bu model, moleküllerin fonksiyonel gruplarını atom düzeyinde tanıyarak, SMILES dizileri ile doğal dil arasında köprü kuruyor. FARM, moleküler yapıları hem metin hem de grafik formatında zenginleştirilmiş şekilde temsil ediyor. Bu yenilik, ilaç keşfi ve kimyasal araştırmalarda kullanılan transformer tabanlı modellerin performansını artırma potansiyeli taşıyor. Fonksiyonel grup bilgisini moleküler temsillere entegre eden sistem, kimyasal bilgiyi daha doğal bir dille ifade etmeyi mümkün kılıyor.
Yapay Zeka Molekülleri Daha İyi Anlamaya Başlıyor: MolReFlect Modeli
Araştırmacılar, büyük dil modellerinin molekülleri anlama ve üretme konusundaki yeteneklerini artıran yeni bir yaklaşım geliştirdi. MolReFlect adlı bu sistem, moleküllerin alt yapılarını metindeki açıklayıcı ifadelerle eşleştirerek daha hassas ve açıklanabilir bir anlayış sağlıyor. Geleneksel yöntemler molekülleri tek parça olarak ele alırken, yeni yaklaşım her bir alt yapının özelliklerini ayrı ayrı değerlendiriyor. Bu ince ayarlı hizalama sistemi, normalde uzman açıklaması gerektiren bir süreci otomatikleştiriyor. Gelişme, ilaç keşfinden malzeme bilimlerine kadar geniş bir alanda devrim yaratma potansiyeline sahip. Moleküler yapılar ve doğal dil arasındaki köprüyü güçlendiren bu teknoloji, bilim insanlarının moleküler özellikleri daha hızlı ve doğru şekilde analiz etmesine olanak tanıyacak.
Yapay Zeka Modellerinin Molekül Tasarımındaki Yaratıcılığı Ölçüldü
Araştırmacılar, büyük dil modellerinin molekül üretimindeki yaratıcılık yeteneklerini sistematik olarak inceledi. Çalışma, yapay zekanın kimyasal ve biyolojik kısıtlamalar altında ne kadar özgün moleküler yapılar tasarlayabildiğini ortaya koyuyor. Molekül üretimi, geniş kimyasal uzayda çoklu kısıtlamaları karşılayan çözümler bulmayı gerektiren karmaşık bir süreç. Bu bağlamda yaratıcılık, estetik bir kavram olmaktan ziyade işlevsel bir gereklilik haline geliyor. Araştırma, yapay zeka modellerinin fizikokimyasal özellikler, ADMET parametreleri ve biyolojik aktivite görevlerindeki performansını değerlendiriyor.
CliqueFlowmer: Malzeme Keşfinde Yeni Dönem Açan Yapay Zeka Modeli
Araştırmacılar, malzeme biliminde devrim yaratabilecek yeni bir yapay zeka modeli geliştirdi. CliqueFlowmer adlı bu sistem, geleneksel üretici modellerin aksine hedef özelliklere sahip malzemeleri doğrudan optimize ederek bulabiliyor. Çevrimdışı model tabanlı optimizasyon tekniğini kullanan sistem, transformer ve akış üretimi teknolojilerini birleştiriyor. Test sonuçları, modelin ürettiği malzemelerin mevcut yöntemlerden önemli ölçüde daha iyi performans gösterdiğini ortaya koyuyor. Bu gelişme, ilaç keşfinden enerji depolamaya kadar birçok alanda yeni malzemelerin daha hızlı ve etkili şekilde geliştirilmesi anlamına geliyor. Özellikle belirli özelliklere sahip malzeme arayışında olan endüstriler için büyük fırsatlar sunuyor.
FRIGID: Kütle Spektrumlarından Molekül Üretiminde Yapay Zeka Devrimi
Araştırmacılar, kütle spektrumu verilerinden moleküler yapıları tahmin edebilen yeni bir yapay zeka sistemi olan FRIGID'i geliştirdiler. Bu sistem, yüz milyonlarca moleküler yapı üzerinde eğitilmiş difüzyon tabanlı bir dil modeli kullanarak, spektrum verilerini kimyasal formüllere ve ardından moleküler yapılara dönüştürüyor. FRIGID, özellikle zorlu MassSpecGym test setinde %18 doğruluk oranıyla önceki yöntemleri geride bıraktı ve NPLIB1 veri setinde lider yöntemlerin performansını üç katına çıkardı. Sistem, çıkarım zamanında ek hesaplama gücü kullanarak tutarsız moleküler parçaları tespit edip düzeltebildiği için performansı sürekli artırılabiliyor. Bu gelişme, ilaç keşfi ve kimyasal analiz alanlarında önemli ilerlemeler vaat ediyor.