Google stellt Untersuchungen vor, in denen sein Ortsdatenmodell PDFM bestehende Verfahren für fünf Aufgaben der öffentlichen Gesundheit ergänzt. Das Modell fasst unter anderem Suchtrends。
Grund für die Empfehlung: Die fünf Untersuchungen zeigen, bei welchen Gesundheitsprognosen Ortsdaten bestehende Modelle ergänzen und wo ihr Zusatznutzen ausbleibt.
Google DeepMind stellt SynthID Bio vor, ein Verfahren zur Markierung KI-generierter Proteinsequenzen und vorhergesagter 3D-Strukturen. Labortests mit Proteinbindern für drei Zielproteine zeigten laut Unternehmen vergleichbare Bindungswerte wie bei Entwürfen ohne Markierung. Methodenpapier, Code und In-vitro-Daten werden veröffentlicht; Modellgewichte stellt das Unternehmen der Forschungsgemeinschaft bereit.
Grund für die Empfehlung: Die Markierung bleibt laut Labortests auch im hergestellten Protein nachweisbar. Das macht den Ansatz für die Prüfung synthetischer Entwürfe relevant.
NVIDIA und Forschungspartner haben vorhergesagte 3D-Strukturen von Proteinkomplexen aus mehr als 2.800 Viren in der AlphaFold Database veröffentlicht. Die Vorhersagen entstanden mit AlphaFold2 und einer mit NVIDIA BioNeMo optimierten Verarbeitung; NVIDIA veröffentlicht auch die BioNeMo Structure Prediction Pipeline. Rund 30% der hinzugefügten Proteininteraktionen sind laut Beitrag in der Protein Data Bank bislang nicht dokumentiert.
Grund für die Empfehlung: Die frei zugänglichen Strukturvorhersagen und die veröffentlichte Pipeline bieten Forschenden eine Grundlage, um Proteininteraktionen bislang wenig untersuchter Viren gezielter zu untersuchen.
Google DeepMind stellt AlphaGenome Atlas vor, eine Plattform mit Vorhersagen zu den molekularen Folgen von 9 Milliarden möglichen Einzelbuchstabenänderungen im menschlichen Genom. Forschende können Varianten mit dem AVI-Wert priorisieren und die vorhergesagten Effekte über ein kostenloses Webportal untersuchen. AlphaGenome ist nicht für die klinische Nutzung validiert oder zugelassen.
Grund für die Empfehlung: Der Atlas verbindet vorab berechnete Variantenfolgen mit einem Wert zur Priorisierung und Angaben zu den betroffenen molekularen Prozessen. Das kann die Auswahl von Varianten für gezielte Forschung erleichtern.