來自美國(guó)能源部 (DOE) 阿貢國(guó)家實(shí)驗(yàn)室的科學(xué)家和一個(gè)合作團(tuán)隊(duì)因其快速識(shí)別病毒進(jìn)化方式的新方法獲得了2022 年基于高性能計(jì)算的 COVID-19 研究戈登貝爾特別獎(jiǎng)。他們?cè)谟?xùn)練大型語言模型 (LLM) 以發(fā)現(xiàn) SARS-CoV-2 變體方面的工作對(duì) COVID-19 以外的生物學(xué)具有影響。
作為人工智能 (AI) 的一種形式，LLM 通常用于總結(jié)和翻譯文本，或者根據(jù)模型在初始訓(xùn)練階段學(xué)到的內(nèi)容預(yù)測(cè)接下來可能出現(xiàn)的單詞。例如，在巨大的語言數(shù)據(jù)集的幫助下，可以訓(xùn)練法學(xué)碩士將文本從英語翻譯成西班牙語。
贏得今年獎(jiǎng)項(xiàng)的研究人員利用阿貢強(qiáng)大的超級(jí)計(jì)算和人工智能資源開發(fā)和應(yīng)用法學(xué)碩士來追蹤病毒如何變異成更危險(xiǎn)或更易傳播的變體。
當(dāng)病毒進(jìn)化時(shí)，它會(huì)變異成新的變種，這些變種可能與過去的變種相似，甚至比以前的迭代更致命。當(dāng)特定變體被認(rèn)為更危險(xiǎn)或有害時(shí)，它被標(biāo)記為關(guān)注變體 (VOC)?？焖儆行У匕l(fā)現(xiàn)這些 VOC 可以為科學(xué)家提供時(shí)間來設(shè)計(jì)和開發(fā)有效的疫苗和治療策略，從而挽救生命。
跟蹤這些變體的現(xiàn)有方法可能很慢。為了解決這個(gè)問題，計(jì)算生物學(xué)家 Arvind Ramanathan 和他在 Argonne 的同事與來自芝加哥大學(xué)、NVIDIA、Cerebras Inc.、伊利諾伊大學(xué)芝加哥分校、北伊利諾伊大學(xué)、加州理工學(xué)院、紐約大學(xué)和技術(shù)大學(xué)的合作者一起慕尼黑大學(xué)著手創(chuàng)建一種識(shí)別 VOC 的方法。他們的論文“GenSLMs: Genome-scale language models reveal SARS-CoV-2 evolutionary dynamics”是該團(tuán)隊(duì)研究結(jié)果的結(jié)晶。
“當(dāng)大流行開始時(shí)，我們發(fā)現(xiàn)了幾種真正有害的病毒變種，比如 Delta 變種，”Ramanathan 說。“它導(dǎo)致大量死亡。但 Delta 的進(jìn)化是病毒面對(duì)人類宿主時(shí)發(fā)生的某些突變的結(jié)果。這是病毒在人類細(xì)胞內(nèi)進(jìn)化的過程。”
標(biāo)簽：
免責(zé)聲明：本文由用戶上傳，如有侵權(quán)請(qǐng)聯(lián)系刪除！