https://ai.googleblog.com/2022/03/using-deep-learning-to-annotate-protein.html?m=1
이번에 구글에서 알파폴드 같이 단백질을 안정적으로 예측하는 기계 학습에 대해서 논문을 썼다고 하네.
이 방향의 추가 연구를 위해서 protENN 모델과 distill 라는 대화의 모델을 만들었다고 한다.
이제 단백질 구조와 관련된 연구를 하는 사람들은 실시간으로 시퀀스를 입력하고 예측된 단백질 기능에 대한 연구를 얻을 수 있다고 하네.
내가 이해하는건 구글은 알파폴드의 성능을 높이기 위해서 알파폴드와 관련된 것을 관련 연구자들에게 공유를 한 것 같아.
이제 연구자들은 알파폴드로인해 단백질 구조에 대해 더욱 잘 예측할 수 있게 되고 또한 연구자들이 단백질 구조에 대해 연구한 것을 알파폴드의 데이터나 성능 개발에 쓸 수 있게 되다니... 이런 순환이 계속 반복되면 진짜 인공지능이 생물학 연구를 주도하게 될듯ㄷㄷ
이번에 구글에서 알파폴드 같이 단백질을 안정적으로 예측하는 기계 학습에 대해서 논문을 썼다고 하네.
이 방향의 추가 연구를 위해서 protENN 모델과 distill 라는 대화의 모델을 만들었다고 한다.
이제 단백질 구조와 관련된 연구를 하는 사람들은 실시간으로 시퀀스를 입력하고 예측된 단백질 기능에 대한 연구를 얻을 수 있다고 하네.
내가 이해하는건 구글은 알파폴드의 성능을 높이기 위해서 알파폴드와 관련된 것을 관련 연구자들에게 공유를 한 것 같아.
이제 연구자들은 알파폴드로인해 단백질 구조에 대해 더욱 잘 예측할 수 있게 되고 또한 연구자들이 단백질 구조에 대해 연구한 것을 알파폴드의 데이터나 성능 개발에 쓸 수 있게 되다니... 이런 순환이 계속 반복되면 진짜 인공지능이 생물학 연구를 주도하게 될듯ㄷㄷ
이제 생명공학이랑 인공지능은 뗄레야 뗄 수 없는 관계가 되버렸네 대학에서 딥러닝 활용/사용방법을 의무적으로 가르쳐야할듯 ㅇㅇ