Der Blätterkatalog benötigt Javascript.
Bitte aktivieren Sie Javascript in Ihren Browser-Einstellungen.
The Blätterkatalog requires Javascript.
Please activate Javascript in your browser settings.
kann das daraus extrahierte Signal innerhalb des Sequenzraums extrapoliert werden?“ Die Roboterplattform von Labgenius soll nun die „richtige Art“ von Daten in der Qualität die für die Machine-Learning-Modelle benötigt wird generieren und charakterisieren Da wäre zunächst ein klassisches KI-Problem zu nennen Wie lassen sich viele Variablen in hoch komplexen Systemen optimieren? „Wir nennen dies Ko-Optimierung oder Mehrzieloptimierung“ erklärt Tom Ashworth Head of Technology Labgenius „Man könnte versuchen die Wirksamkeit zu optimieren was sich auf die Affinität des Moleküls beziehen könnte d h wie sehr es an seinem Ziel haftet Aber gleichzeitig möchte man nicht dessen Sicherheit oder vielleicht eine andere Eigenschaft wie die Stabilität des Moleküls in Gefahr bringen “ Mit Hilfe des KIgestützten Ansatzes können Informationen darüber erhalten werden wie die Iteration bei den Experimenten erfolgt „Das System sucht nach verschiedenen Merkmalen die wir am Molekül ändern könnten – von Punktmutationen einfacherer Konstrukte bis hin zur Gesamtzusammensetzung und Topologie von Proteinen mit mehreren Modulen Es macht Vorschläge zum nächsten erforderlichen Designschritt um zu erfahren wie eine Änderung des Inputs zu einer Änderung des Outputs führt“ so Tom Ashworth KI-Tool zur Vorhersage Das Modell „BERT“ für Bidirectional Encoder Representations from Transformers das vor allem für die Verarbeitung natürlicher Sprache bekannt ist findet nun ein immer breiteres Anwendungsspektrum auch in der Biotechnologie Die Forschenden versuchen über das auf Basis einer großen Menge bekannter Proteine mit Hilfe von BERT trainierte Tool maskierte Aminosäuren vorherzusagen und so mehr über die grundlegende Biophysik von Proteinen zu lernen „Die verborgenen Werte dieses Modells helfen uns also dabei aussagekräftige Darstellungen von Proteinen zu erstellen die wir anschließend verwenden um das gewünschte Merkmal zu gestalten“ so Dr Putintseva Faktor Zeit in der Forschung Ein KI-Tool zu trainieren das braucht Zeit Durch den Einsatz von IPU-Chips von Graphcore konnten die Rechenzeiten für das Training von KI-Modellen deutlich reduziert werden Bisher habe es etwa einen Monat gedauert bis ein funktionierendes Modell für alle vorhandenen Proteine gefunden wurde wie Dr Putintseva berichtet „Mit Graphcore haben wir die Durchlaufzeit auf etwa zwei Wochen verkürzt so dass wir unsere Experimente nun viel schneller durchführen und die Ergebnisse schneller sehen können“ Tom Ashworth bringt einen weiteren Aspekt ein Durch den reduzierten Zeitaufwand für das Modelltraining seien die Datenwissenschaftler auch flexibler und könnten schnelller reagieren „Für ein Startup-Unternehmen wie das unsere ist es von zentraler Bedeutung wie schnell wir reagieren und wie schnell wir uns weiterentwickeln können “ AUTOR Alex Titterton Field Application Engineer Graphcore Limited UK-London info@graphcore ai www graphcore ai Labor 4 0 | Laborautomation | KI 31 www labo de 9 2022 „MACSQuant Analyzer 10“- Durchflusszytometer im Labor von LabGenius Bild Graphcore