আলফাফল্ড হৈছে আলফাবেটৰ সহযোগী প্ৰতিষ্ঠান ডিপমাইণ্ডে বিকশিত কৰা এটা কৃত্ৰিম বুদ্ধিমত্তা (AI) প্ৰগ্ৰেম, যিয়ে প্ৰটিনৰ গঠনৰ ভৱিষ্যদ্বাণী কৰে।[1] এই কাৰ্যসূচীক গভীৰ শিক্ষণ ব্যৱস্থা হিচাপে ডিজাইন কৰা হৈছে।[2]

আলফাফল্ড চফট্ ৱেৰৰ তিনিটা ডাঙৰ সংস্কৰণ আছে। আলফাফল্ড ১ (২০১৮) ব্যৱহাৰ কৰা গৱেষকৰ এটা দলে ২০১৮ চনৰ ডিচেম্বৰ মাহত ত্ৰয়োদশ গঠন ভৱিষ্যদ্বাণীৰ সমালোচনাত্মক মূল্যাংকন ( চি এ এচ পি) ৰ সামগ্ৰিক ৰেংকিঙত প্ৰথম স্থান লাভ কৰিছিল। প্ৰতিযোগিতাৰ আয়োজকসকলে আটাইতকৈ কঠিন বুলি থিৰাং কৰা লক্ষ্যৰ আটাইতকৈ সঠিক গঠনৰ ভৱিষ্যদ্বাণী কৰাত ই আংশিকভাৱে কৃতকাৰ্য হৈছিল। আলফাফল্ড ২ (২০২০) ব্যৱহাৰ কৰা এটা দলে ২০২০ চনৰ নৱেম্বৰ মাহত চিএএচপি১৪ প্ৰতিযোগিতাত পুনৰ প্ৰথম স্থান দখল কৰে। দলটোৱে আনবোৰ গোটতকৈ বহু বেছি সঠিকতাৰ স্তৰ লাভ কৰিছিল[3][2][4] ই চিএএচপিৰ গ্ল’বেল ডিষ্টেন্স টেষ্ট (GDT)ত প্ৰায় দুই তৃতীয়াংশ প্ৰটিনৰ বাবে ৯০ৰ ওপৰত নম্বৰ লাভ কৰিছিল। এই পৰীক্ষাই এটা গণনামূলক প্ৰগ্ৰেমে ভৱিষ্যদ্বাণী কৰা গঠনটোৰ লেব পৰীক্ষাত নিৰ্ধাৰিত গঠনৰ সৈতে থকা মিলৰ মাত্ৰা জুখিব পাৰে। সম্পূৰ্ণ মিল থাকিলে ১০০ নম্বৰ দিয়া হৈছিল।[5]


চিএএচপি১৪-ত আলফাফ'ল্ড ২ৰ ফলাফলক "বিস্ময়কৰ", আৰু "যুগান্তকাৰী" বুলি বৰ্ণনা কৰা হৈছিল।[7] কিছুমান গৱেষকে লক্ষ্য কৰিছে যে ইয়াৰ এক তৃতীয়াংশ ভৱিষ্যৎবাণীৰ সঠিকতা যথেষ্ট নহয়, আৰু ইয়াৰ দ্বাৰা প্ৰটিন ভাঁজৰ সমস্যাটো সমাধান হোৱা বুলি বিবেচনা কৰিব নোৱাৰি।[8][9] তথাপিও ইয়াৰ কাৰিকৰী কৃতিত্ব সৰ্বজন সমাদৃত হৈছে। ২০২১ চনৰ ১৫ জুলাই তাৰিখে আলফাফল্ড ২ গৱেষণা পত্ৰখন নেচাৰ আলোচনীত প্ৰকাশ কৰা হয়।[6][7] ইয়াৰ পিছত গৱেষণা পত্ৰখনৰ উদ্ধৃতি ২৭ হাজাৰতকৈ অধিকবাৰ দিয়া হৈছে।

আলফাফল্ড ৩ ঘোষণা কৰা হৈছিল ২০২৪ চনৰ ৮ মে'ত। ই ডি এন এ, আৰ এন এ, বিভিন্ন লিগাণ্ড আৰু আয়নৰ সৈতে প্ৰ'টিনে সৃষ্টি কৰা কমপ্লেক্সৰ গঠনৰ ভৱিষ্যদ্বাণী কৰিব পাৰে।[8]

আলফাফল্ড নিৰ্মাণ কৰা দলটোৰ ডেমিছ হাছাবিছ আৰু জন জাম্পাৰে ২০২৪ চনত প্ৰটিন গঠনৰ ভৱিষ্যদ্বাণীৰ বিষয়ে কৰা কামৰ বাবে ৰসায়ন বিজ্ঞানৰ নোবেল বঁটা লাভ কৰে। ২০২৩ চনৰ আৰম্ভণিতে দুয়োজনে জৈৱনিক বিজ্ঞানৰ ব্ৰেকথ্ৰু বঁটা আৰু মৌলিক চিকিৎসা গৱেষণাৰ বাবে এলবাৰ্ট লেস্কাৰ বঁটা লাভ কৰিছিল।


তথ্যসূত্ৰ

সম্পাদনা কৰক
  1. "AlphaFold". Deepmind. https://deepmind.com/research/case-studies/alphafold। আহৰণ কৰা হৈছে: 30 November 2020. 
  2. 2.0 2.1 "DeepMind's protein-folding AI has solved a 50-year-old grand challenge of biology" (en ভাষাত). MIT Technology Review. https://www.technologyreview.com/2020/11/30/1012712/deepmind-protein-folding-ai-solved-biology-science-drugs-disease/। আহৰণ কৰা হৈছে: 2020-11-30. 
  3. Shead, Sam (2020-11-30). "DeepMind solves 50-year-old 'grand challenge' with protein folding A.I." (en ভাষাত). https://www.cnbc.com/2020/11/30/deepmind-solves-protein-folding-grand-challenge-with-alphafold-ai.html. 
  4. Stoddart, Charlotte (1 March 2022). "Structural biology: How proteins got their close-up". Knowable Magazine. doi:10.1146/knowable-022822-1. https://knowablemagazine.org/article/living-world/2022/structural-biology-how-proteins-got-their-closeup। আহৰণ কৰা হৈছে: 25 March 2022. 
  5. Robert F. Service, 'The game has changed.' AI triumphs at solving protein structures Archived 2023-06-24 at the Wayback Machine, Science, 30 November 2020
  6. "AlphaFold Protein Structure Database". alphafold.ebi.ac.uk. https://alphafold.ebi.ac.uk/। আহৰণ কৰা হৈছে: 2021-07-24. 
  7. "GitHub - deepmind/alphafold: Open source code for AlphaFold." (en ভাষাত). GitHub. https://github.com/deepmind/alphafold। আহৰণ কৰা হৈছে: 2021-07-24. 
  8. "AlphaFold 3 predicts the structure and interactions of all of life's molecules" (en-us ভাষাত). Google. 2024-05-08. https://blog.google/technology/ai/google-deepmind-isomorphic-alphafold-3-ai-model/। আহৰণ কৰা হৈছে: 2024-05-09.