DeepMind全新基因組“圖譜”繪制90億個人類基因突變的影響
人類基因組很容易讓人迷失——在其30億個“字母”中,只有2%編碼蛋白質,其余部分則難以破譯。9月8日,美國谷歌公司旗下“深層思維”(DeepMind)公司發布了一份由人工智能(AI)生成的“人類基因組圖譜”,旨在為科學家解讀生物密碼導航。人類基因組中最常見的變異類型之一是單個核苷酸(即“字母”)的改變,這些改變導致了人與人之間的差異,包括疾病風險;某些罕見的單個核苷酸改變甚至會直接致病。AlphaGenome圖譜利用DeepMind去年發布的AI模型AlphaGenome生成的預測結果,繪制了90億個DNA單核苷酸變異對人類基因組的影響,即所有可能的突變。研究人員表示,該圖譜有助于診斷罕見、病因不明的疾病,并揭示常見疾病和生物學特征背后的生物學機制,甚至可能揭示DNA序列調控基因活性的某些隱性規律。該圖譜可供非商業用途免費使用。DeepMind的產品經理Dhavi Hariharan表示,自AlphaGenome發布以來,已有約......閱讀全文
DeepMind-AI模型預測天氣又快又好
近日一項發表于《自然》的研究報道了谷歌DeepMind開發的首個天氣預測人工智能(AI)模型——GenCast。該模型比目前運行中的最佳中期預報系統——歐洲中期天氣預報中心的集合預報(ENS)更精準。GenCast在8分鐘內就能完成15天的預測,而目前的預測程序需要幾個小時。據介紹,包括ENS在內的
DeepMind攻克最有價值化學技術
英國人工智能公司DeepMind的科學家團隊開發了一個機器學習模型,可以通過預測分子中電子的分布來顯示分子特征,該模型比現有技術更能準確地計算某些分子性質。相關研究結果發表于12月10日《科學》。 波蘭羅茲理工大學計算化學家Katarzyna Pernal說,這篇論文是一篇“堅實的作品”。但她
Google-DeepMind打破十年算法瓶頸
·排序算法是世界各地的計算機不斷使用的基本功能,雖然數十億人每天都在使用該算法,但沒有人意識到算法還存在優化空間。Google DeepMind表示:“看起來,現在AI不僅可以幫人寫代碼,而且可以幫我們寫出更好的代碼。”·“通過優化和推出全球開發人員使用的改進排序和哈希算法,AlphaDev展示了其
谷歌DeepMind推出“驚艷”的通用科學AI系統
谷歌DeepMind利用聊天機器人模型成功解決了數學和計算機科學領域的重大難題。據《自然》報道,5月14日,DeepMind推出能夠自主生成、改進算法代碼的通用科學人工智能(AI)系統AlphaEvolve。該系統將大型語言模型(LLM)的創造力與能夠審查模型建議的算法相結合,通過不斷篩選和改進
DeepMind人工智能可在各游戲中擊敗人類
原文地址:http://news.sciencenet.cn/htmlnews/2023/11/512897.shtm一款人工智能可以在國際象棋、圍棋、撲克和其他需要多種策略才能獲勝的游戲中擊敗人類玩家。這款名為“游戲學生”(SoG)的人工智能由谷歌DeepMind創建。該公司表示,這是朝著能夠以超
DeepMind-AI可像嬰兒一樣學習簡單物理
原文地址:http://news.sciencenet.cn/htmlnews/2022/7/482600.shtm 神經網絡可以成為研究人類嬰兒學習方式的一個步驟。 受嬰兒學習方式研究的啟發,計算機科學家開發了一個程序,可以學習物體行為的簡單物理規則,研究結果7月11日發表于《自然—人類行
谷歌DeepMind:已發現科學界幾乎所有已知的蛋白質結構
“從今天起,預測幾乎所有已知蛋白質的結構,都如同使用搜索引擎一樣簡單。”7月28日,DeepMind公司與歐洲生物信息研究所(EMBL-EBI)的合作團隊公布了生物學領域的一項重大飛躍。他們利用人工智能(AI)系統AlphaFold預測出超過100萬個物種的2.14億個蛋白質結構,幾乎涵蓋了地球上所
DeepMind新圖譜能否破解基因病之謎?90億變異一次查
地圖長久以來幫助人類在陌生地形中導航;而如今,谷歌DeepMind推出的一部新圖譜,意在更好地繪制我們生物學的地形——人類基因組。本周二,該公司發布了AlphaGenome Atlas,一個記錄了人類基因組中多達90億個單點變異可能效應的數據庫,其體量之巨,足以覆蓋絕大多數已知與潛在的人類遺傳差異
DeepMind開發用于量子化學計算的神經網絡變分蒙特卡羅
近百年前,狄拉克提出正電子概念,如今在醫學物理、天體物理及材料科學等多個領域都具有技術相關性。然而,正電子-分子復合物基態性質的量子化學計算具有挑戰性。 在此,DeepMind 和倫敦帝國理工學院的研究人員,使用最近開發的費米子神經網絡 (FermiNet) 波函數來解決這個問題,該波函數不依
DeepMind全新基因組“圖譜”繪制90億個人類基因突變的影響
人類基因組很容易讓人迷失——在其30億個“字母”中,只有2%編碼蛋白質,其余部分則難以破譯。9月8日,美國谷歌公司旗下“深層思維”(DeepMind)公司發布了一份由人工智能(AI)生成的“人類基因組圖譜”,旨在為科學家解讀生物密碼導航。人類基因組中最常見的變異類型之一是單個核苷酸(即“字母”)的改
DeepMind-開發了一款眼底-AI,可同時診斷三種常見眼底疾病
Google旗下的DeepMind公司開發出了一種通過分析醫學影像診斷疾病的人工智能產品,這是人工智能技術在醫療健康領域的一次重要試水。 雷鋒網(公眾號:雷鋒網)消息 總部位于倫敦的DeepMind公司通過處理數以千計的視網膜掃描圖像,訓練出了一種人工智能算法,該算法可以比人類醫生更加高效
谷歌-DeepMind-推出-AlphaGenome:AI-破解-40-億年-DNA-密碼,開啟基因組研究新紀元
基因組,宛如生命的藍圖,藏在我們每一個細胞之中。 這套完整的DNA指令集,主導著生命體從外觀功能到生長繁殖的幾乎每一個方面,甚至是對疾病抵御的能力。 2003年 ,人類基因組測序完成,讓人類首次窺見了DNA的全貌。 然而,如何破譯這些指令,一個微小DNA變異如何改變生命軌跡,至今仍是生物學
打開盲盒:AlphaFold2預測了人類全蛋白質組-將免費開放
翹首以盼8個月的 AlphaFold2 的論文與源碼發布后一周,今天 DeepMind 再度公布關于 AlphaFold2 的重磅信息:用 AlphaFold2 完全預測了人、大腸桿菌、果蠅、斑馬魚等21種生物的全蛋白質組內35萬個蛋白質結構!這項工作發表在了本周出版的Nature上。 Hol
創造奇跡的高科技公司有哪些特點
2024年的諾貝爾獎可以說是人工智能(AI)全面崛起之年,有4位科學家由于AI的貢獻而獲得諾貝爾獎。其中,杰弗里·辛頓獲得諾貝爾物理學獎,大衛·貝克、戴米斯·哈薩比斯和約翰·江珀獲得諾貝爾化學獎。當前傳統科學世界的版圖開始出現分水嶺——前AI時代的科學與AI時代的科學,前者是個人英雄主義的舞臺,后者
谷歌宣布:其數據庫可以預測科學界幾乎所有蛋白質結構
谷歌 DeepMind 今日宣布,其發布的免費數據庫對科學界已知的幾乎所有蛋白質的結構進行了預測。DeepMind 在 2020 年憑借其 AlphaFold AI 軟件轟動了科學界,該軟件可以對蛋白質結構進行高度準確的預測,這些信息可以幫助科學家了解它們的工作原理,從而有助于治療疾病和開發藥物。去
幾乎所有已知的蛋白質結構都收錄在這個免費數據庫
谷歌 DeepMind 今日宣布,其發布的免費數據庫對科學界已知的幾乎所有蛋白質的結構進行了預測。DeepMind 在 2020 年憑借其 AlphaFold AI 軟件轟動了科學界,該軟件可以對蛋白質結構進行高度準確的預測,這些信息可以幫助科學家了解它們的工作原理,從而有助于治療疾病和開發藥物。去
AI模型精準預測颶風“梅麗莎”迅猛增強
近日,颶風“梅麗莎”迅速增強為五級颶風。在此過程中,科學家使用了一個強大的新工具——谷歌DeepMind開發的人工智能(AI)模型,成功預測了其路徑和強度變化,為牙買加及其他受風暴破壞嚴重的國家發布預警。 該模型今年首次被美國國家颶風中心(NHC)使用,NHC是颶風信息的主要來源。這是一種專門
谷歌推出兩大數學模型,19秒解開IMO2024幾何問題
·六道題每題可得7分,總分最高42分。谷歌DeepMind的人工智能系統在今年國際數學奧林匹克競賽中最終得分28分。今年金牌的門檻是29分,在正式比賽的609名選手中,58名達到了這一門檻。·DeepMind表示,盡管基于自然語言的方法可以訪問更多數據,但會產生看似合理但不正確的中間推理步驟和解決方
了解蛋白質挑戰的AI解決方案
根據一項嚴格的獨立研究,在一項重大的科學進步中,DeepMind的AI系統AlphaFold的-新版本已被認為是解決已有50年歷史的蛋白質結構預測挑戰(通常稱為“蛋白質折疊問題”)的解決方案。評定。從長遠來看,這一突破可以大大促進生物學研究,從而在疾病理解和藥物發現等領域開辟新的可能性。CASP14
人工智能參加國際奧數僅比金牌差一分
在從圍棋到戰棋類游戲的所有領域戰勝人類后,美國谷歌公司旗下DeepMind現在表示,它在解決數學問題方面即將擊敗世界頂尖學生。7月25日,DeepMind宣布,其人工智能系統已經解決了本月在英國巴斯舉行的2024年國際數學奧林匹克競賽(IMO)所出6個題目中的4個。人工智能給出了嚴謹、循序漸進的證明
大難題告破,蛋白質3D結構可用AI解析
? DeepMind關于確定蛋白質3D形狀的深度學習技術,可能將在生物學界掀起一場新的變革。圖中藍色為計算機預測的蛋白質結構,綠色為實驗驗證結果,二者相似度非常高。(圖片來源:DeepMind) 生物學界最大的挑戰之一——蛋白質三維結構解析如今有望被破解。借由深度學習程序AlphaFold,谷歌
祝賀!人工智能首次成功解析蛋白質結構
生物學界最大的挑戰之一——蛋白質三維結構解析如今有望被破解。谷歌旗下人工智能公司DeepMind開發的深度學習程序AlphaFold能夠精確預測其三維形狀。長久以來,人們需要借助實驗確定完整的蛋白質結構,這些方法往往需要數月甚至數年時間。而現在,人工智能也有能力給出精確預測的計算方法,可能只要幾
《Science》封面文章AlphaCode的重大意義及其發展思考
程序員,雖然戲稱程序猿,其實是一個高薪高智商工作,需要對問題的理解力、解決問題的創造性,還需要熟悉掌握編程語言。這些還不夠,還需要在實踐中摸爬滾打若干年,獲得很多實踐經驗,才能游刃有余,成為一個優秀的程序員。對于普通人而言,成為一個合格程序員,也許要3-5年,成為一名優秀的程序員,也許要6-10年,
Nature:超強版AlphaGo來了!可自學成才,將助力科研
AlphaGo,一款由谷歌旗下公司DeepMind基于深度學習原理而開發的人工智能程序。之所以聲名大噪,是因為它自2016年以來曾先后擊敗多位世界圍棋冠軍,包括韓國選手李世石、中國選手柯潔,是第一個擊敗人類職業圍棋選手的人工智能。 現在,DeepMind又推出“超強版”——AlphaGo Ze
做數學題,人工智能與人類高手不相上下
一年前,美國谷歌旗下DeepMind公司開發的人工智能問題解決器AlphaGeometry,在國際數學奧林匹克競賽(IMO)中達到銀牌選手水平,震驚了世界。IMO是為有天賦的高中生設置的難度極高的數學競賽。DeepMind團隊現在表示,系統升級后的AlphaGeometry2的性能已經超過了IMO金
Nature、Science齊發:兩款新型AI精準預測蛋白結構
去年,DeepMind公司開發的AlphaFold2人工智能系統,基于氨基酸序列,精確預測了蛋白質的3D結構。它的準確性與使用冷凍電子顯微鏡(CryoEM)、核磁共振或 X 射線晶體學等實驗技術解析的3D結構相媲美。這一突破被譽為“變革生命科學和生物醫學”的突破。 今日,DeepMind公司在
基因組密碼被解鎖:深度學習模型破解非編碼區奧秘
人類基因組中超98%的遺傳變異位于非編碼區,這些變異通過調控染色質可及性、三維構象、剪接加工等多種分子機制影響基因表達,最終導致疾病發生。由于調控機制的復雜性和細胞類型特異性,目前解讀非編碼變異的分子效應仍是重大挑戰。現有深度學習模型在預測功能基因組特征時,往往在輸入序列長度與預測分辨率之間難以兼顧
650多名學者批評AlphaFold3不透明
當地時間5月8日,谷歌DeepMind發布其生物學預測工具AlphaFold的最新版本——AlphaFold 3。這一重大成果在科學界引起了巨大轟動。在蛋白質預測領域專家看來,AlphaFold 3是“變革性的”和“令人印象深刻的”。他們表示,這項工作可以用于測序蛋白質、DNA、RNA、小分子等幾乎
人工智能幫助數學家發現新的猜想和定理
中新網北京12月2日電 (記者 孫自法)國際著名學術期刊《自然》最新一期封面發表一篇計算機科學論文稱,科研人員研發出一個機器學習框架,能幫助數學家發現新的猜想和定理。 該機器學習框架由知名人工智能(AI)企業DeepMind開發,已經幫助發現了不同純數學領域的兩個新猜想,這項研究展示出機器
Nature發布AlphaFold預測幾乎所有已知蛋白質的形狀
DeepMind的AlphaFold工具已經確定了地球上幾乎所有已知生物體中約2億種蛋白質的結構。從今天開始,確定科學上已知的幾乎所有蛋白質的3D形狀將變得和在谷歌搜索中輸入一樣簡單。研究人員使用革命性的人工智能(AI)網絡:AlphaFold來預測來自100萬種物種的約2億種蛋白質的結構,幾乎覆蓋