- सभी बीमारियों के बुनियादी निर्माण-घटक प्रोटीन को समझना और बनाना नई दवाओं और उपचारों की ओर ले जा सकता है
- फिलहाल लैब में प्रोटीन डिज़ाइन करने की प्रक्रिया, जिसमें प्रोटीन संरचना और amino acid sequence बनाना शामिल है, काफी computation और resources मांगती है
- EvoDiff इस प्रक्रिया को सरल बनाता है, क्योंकि यह target protein के लिए structural information की आवश्यकता के बिना दिए गए protein sequence से उच्च-गुणवत्ता वाले, विविध प्रोटीन उत्पन्न करता है
- open source EvoDiff का उपयोग नए उपचार, drug delivery methods, और industrial chemical reactions के लिए enzymes बनाने में किया जा सकता है
- यह 'protein sequence ही सब कुछ है' के सिद्धांत पर काम करता है और protein engineering में structure-function paradigm से हटकर नए प्रोटीन डिज़ाइन करता है
- EvoDiff framework 640 million parameters वाले मॉडल पर आधारित है, जिसे OpenFold dataset और UniRef50 से लाए गए विभिन्न species और protein function classes के data पर train किया गया है
- यह आधुनिक image generation models की तरह एक diffusion model है, जो लगभग पूरी तरह noise से बने शुरुआती प्रोटीन से धीरे-धीरे noise हटाकर protein sequence के करीब जाना सीखता है
- यह नए प्रोटीन उत्पन्न करता है, मौजूदा protein design की खामियों को भरता है, और विशिष्ट functional goals को पूरा करता है
- प्रोटीन की structure के बजाय sequence space में protein design करके, यह disordered proteins का synthesis संभव बनाता है, जो biology और disease में महत्वपूर्ण भूमिका निभाते हैं
- इस पर हुआ शोध अभी peer review से नहीं गुजरा है, और framework के व्यावसायिक उपयोग से पहले इसे और बड़े स्तर पर विकसित करने की जरूरत है
- EvoDiff टीम लैब में मॉडल द्वारा बनाए गए प्रोटीन का परीक्षण करके उनकी viability का आकलन करने की योजना बना रही है, और सफलता मिलने पर framework के अगले generation पर काम शुरू करेगी
अभी कोई टिप्पणी नहीं है.