#alphafold2 — Public Fediverse posts
Live and recent posts from across the Fediverse tagged #alphafold2, aggregated by home.social.
-
Pipeline release! nf-core/proteinfold v2.0.0 - Montseny Brook Newt!
Protein 3D structure prediction pipeline
Please see the changelog: https://github.com/nf-core/proteinfold/releases/tag/2.0.0#alphafold2 #colabfold #esmfold #proteinfoldprediction #proteinfolding #proteinsequences #proteinstructure #nfcore #openscience #nextflow #bioinformatics
-
Pipeline release! nf-core/proteinfold v2.0.0 - Montseny Brook Newt!
Protein 3D structure prediction pipeline
Please see the changelog: https://github.com/nf-core/proteinfold/releases/tag/2.0.0#alphafold2 #colabfold #esmfold #proteinfoldprediction #proteinfolding #proteinsequences #proteinstructure #nfcore #openscience #nextflow #bioinformatics
-
Pipeline release! nf-core/proteinfold v2.0.0 - Montseny Brook Newt!
Protein 3D structure prediction pipeline
Please see the changelog: https://github.com/nf-core/proteinfold/releases/tag/2.0.0#alphafold2 #colabfold #esmfold #proteinfoldprediction #proteinfolding #proteinsequences #proteinstructure #nfcore #openscience #nextflow #bioinformatics
-
Pipeline release! nf-core/proteinfold v2.0.0 - Montseny Brook Newt!
Protein 3D structure prediction pipeline
Please see the changelog: https://github.com/nf-core/proteinfold/releases/tag/2.0.0#alphafold2 #colabfold #esmfold #proteinfoldprediction #proteinfolding #proteinsequences #proteinstructure #nfcore #openscience #nextflow #bioinformatics
-
Pipeline release! nf-core/proteinfold v2.0.0 - Montseny Brook Newt!
Protein 3D structure prediction pipeline
Please see the changelog: https://github.com/nf-core/proteinfold/releases/tag/2.0.0#alphafold2 #colabfold #esmfold #proteinfoldprediction #proteinfolding #proteinsequences #proteinstructure #nfcore #openscience #nextflow #bioinformatics
-
🧬 How does a foodborne toxin punch holes in our cells?
🔗 C. perfringens enterotoxin-claudin pore complex: Models for structure, mechanism of pore assembly and cation permeability. Computational and Structural Biotechnology Journal, DOI: https://doi.org/10.1016/j.csbj.2024.11.048
📚 CSBJ: https://www.csbj.org/
#StructuralBiology #ComputationalBiology #ToxinResearch #AlphaFold2 #MolecularDynamics #Claudin #CPE #FoodSafety #MolecularSimulation #ProteinComplex #Bioinformatics
-
[Перевод] О прионах и дизайне белков
Зачастую крупные открытия в области биологии происходят при изучении крошечных существ. И многое из того, что мы сегодня считаем догмой, появилось благодаря изучению конкретных микроорганизмов. Эксперименты с бактерией Streptococcus pneumoniae не только привели к открытию ДНК как основной наследственной молекулы , но и позволили создать первые инструменты для генной инженерии. Изучение РНК опухолевых вирусов позволило обнаружить обратную транскриптазу — фермент, необходимый для изучения биологии РНК. Эти модельные микроорганизмы долгое время служили природными лабораториями, позволяя расшифровывать фундаментальные принципы жизни и предоставляя инструменты, необходимые для их изучения. Перейдя от микроорганизмов к макромолекулам, биология вступила в эру белков. Последние достижения в области искусственного интеллекта, включая такие инструменты, как нобелевский лауреат AlphaFold , сделали возможным предсказание структуры белков, превратив кропотливый лабораторный процесс в вычислительную задачу, которую можно решить за считанные минуты.
-
🧪 May's most-read #Biochemistry paper used #AlphaFold2 to predict how proteins interact during egg development in fruit flies: https://elifesciences.org/articles/101967?utm_source=mastodon&utm_medium=social&utm_campaign=submissions_organic&utm_content=top_paper
Have a paper people should see? See what our Editors look for: https://elifesciences.org/about/aims-scope?utm_source=mastodon&utm_medium=social&utm_campaign=submissions_organic&utm_content=top_paper#biochemistry-and-chemical-biology
-
🧩 What happens when we put AlphaFold2’s predictions to the ultimate test—across species and structure types?
🔗 Comprehensive assessment of AlphaFold’s predictions of secondary structure and solvent accessibility at the amino acid-level in eukaryotic, bacterial and archaeal proteins. Computational and Structural Biotechnology Journal, DOI: https://doi.org/10.1016/j.csbj.2025.05.047
📚 CSBJ: https://www.csbj.org/
#AlphaFold #Bioinformatics #StructuralBiology #AlphaFold2 #ProteinStructure #ProteinPrediction #AI
-
🧬 How do AlphaFold2 and ESMFold stack up when it comes to functional annotation?
🔗 AlphaFold2 and ESMFold: A large-scale pairwise model comparison of human enzymes upon Pfam functional annotation. Computational and Structural Biotechnology Journal, DOI: https://doi.org/10.1016/j.csbj.2025.01.008
📚 CSBJ: https://www.csbj.org/
#AlphaFold2 #ESMFold #AIinScience #ProteinStructure #Enzymes #Pfam #UniProt #AlphaFold #HumanProteome #FunctionalAnnotation #AIinBiology #ComputationalBiology #FunctionalGenomics
-
Nice study from @teresa_omeara & @maom in @biorxivpreprint
They used protein prediction to explore the poorly annotated Candida auris genome, and then used protein design to replace endogenous proteins with de novo designed ones.
-
Nice study from @teresa_omeara & @maom in @biorxivpreprint
They used protein prediction to explore the poorly annotated Candida auris genome, and then used protein design to replace endogenous proteins with de novo designed ones.
-
Nice study from @teresa_omeara & @maom in @biorxivpreprint
They used protein prediction to explore the poorly annotated Candida auris genome, and then used protein design to replace endogenous proteins with de novo designed ones.
-
Nice study from @teresa_omeara & @maom in @biorxivpreprint
They used protein prediction to explore the poorly annotated Candida auris genome, and then used protein design to replace endogenous proteins with de novo designed ones.
-
Nice study from @teresa_omeara & @maom in @biorxivpreprint
They used protein prediction to explore the poorly annotated Candida auris genome, and then used protein design to replace endogenous proteins with de novo designed ones.
-
Pequeños y grandes pasos hacia el imperio de la inteligencia artificial
Fuente: Open TechTraducción de la infografía:
- 1943 – McCullock y Pitts publican un artículo titulado Un cálculo lógico de ideas inmanentes en la actividad nerviosa, en el que proponen las bases para las redes neuronales.
- 1950 – Turing publica Computing Machinery and Intelligence, proponiendo el Test de Turing como forma de medir la capacidad de una máquina.
- 1951 – Marvin Minsky y Dean Edmonds construyen SNAR, la primera computadora de red neuronal.
- 1956 – Se celebra la Conferencia de Dartmouth (organizada por McCarthy, Minsky, Rochester y Shannon), que marca el nacimiento de la IA como campo de estudio.
- 1957 – Rosenblatt desarrolla el Perceptrón: la primera red neuronal artificial capaz de aprender.
(!!) Test de Turing: donde un evaluador humano entabla una conversación en lenguaje natural con una máquina y un humano.
- 1965 – Weizenbaum desarrolla ELIZA: un programa de procesamiento del lenguaje natural que simula una conversación.
- 1967 – Newell y Simon desarrollan el Solucionador General de Problemas (GPS), uno de los primeros programas de IA que demuestra una capacidad de resolución de problemas similar a la humana.
- 1974 – Comienza el primer invierno de la IA, marcado por una disminución de la financiación y del interés en la investigación en IA debido a expectativas poco realistas y a un progreso limitado.
- 1980 – Los sistemas expertos ganan popularidad y las empresas los utilizan para realizar previsiones financieras y diagnósticos médicos.
- 1986 – Hinton, Rumelhart y Williams publican Aprendizaje de representaciones mediante retropropagación de errores, que permite entrenar redes neuronales mucho más profundas.
(!!) Redes neuronales: modelos de aprendizaje automático que imitan el cerebro y aprenden a reconocer patrones y hacer predicciones a través de conexiones neuronales artificiales.
- 1997 – Deep Blue de IBM derrota al campeón mundial de ajedrez Kasparov, siendo la primera vez que una computadora vence a un campeón mundial en un juego complejo.
- 2002 – iRobot presenta Roomba, el primer robot aspirador doméstico producido en serie con un sistema de navegación impulsado por IA.
- 2011 – Watson de IBM derrota a dos ex campeones de Jeopardy!.
- 2012 – La startup de inteligencia artificial DeepMind desarrolla una red neuronal profunda que puede reconocer gatos en vídeos de YouTube.
- 2014 – Facebook crea DeepFace, un sistema de reconocimiento facial que puede reconocer rostros con una precisión casi humana.
(!!) DeepMind fue adquirida por Google en 2014 por 500 millones de dólares.
- 2015 – AlphaGo, desarrollado por DeepMind, derrota al campeón mundial Lee Sedol en el juego de Go.
- 2017 – AlphaZero de Google derrota a los mejores motores de ajedrez y shogi del mundo en una serie de partidas.
- 2020 – OpenAI lanza GPT-3, lo que marca un avance significativo en el procesamiento del lenguaje natural.
(!!) Procesamiento del lenguaje natural: enseña a las computadoras a comprender y utilizar el lenguaje humano mediante técnicas como el aprendizaje automático.
- 2021 – AlphaFold2 de DeepMind resuelve el problema del plegamiento de proteínas, allanando el camino para nuevos descubrimientos de fármacos y avances médicos.
- 2022 – Google despide al ingeniero Blake Lemoine por sus afirmaciones de que el modelo de lenguaje para aplicaciones de diálogo (LaMDA) de Google era sensible.
- 2023 – Artistas presentaron una demanda colectiva contra Stability AI, DeviantArt y Mid-journey por usar Stable Diffusion para remezclar las obras protegidas por derechos de autor de millones de artistas.
Gráfico: Open Tech / Genuine Impact
Entradas relacionadas
- ¿Cómo definir la «credibilidad algorítmica»? DeepSeek da en el clavo
- Los precios dinámicos exacerban la desigualdad entre los consumidores, hay que regularlos ya
- Firma contra la vigilancia biométrica masiva
#ajedrez #AlphaFold2 #AlphaGo #AlphaZero #aprendizajeAutomático #artículo #artistas #aspirador #BlakeLemoine #ConferenciaDeDartmouth #copyright #DeanEdmonds #DeepBlue #DeepFace #DeepMind #DeviantArt #ELIZA #Facebook #gatos #GenuineImpact #Go #Google #GPS #GPT3 #gráfico #Hinton #IA #IBM #infografía #inteligenciaArtificial #iRobot #Jeopardy_ #Kasparov #LaMDA #LeeSedol #MarvinMinsky #McCarthy #McCullock #MidJourney #modelos #Newell #OpenTech #OpenAI #patrones #Perceptron #Pitts #plegamientoDeProteínas #predicciones #procesamientoDelLenguajeNatural #reconocimientoFacial #redesNeuronales #remezclar #robot #Rochester #Roomba #Rosenblatt #Rumelhart #Shannon #shogi #Simon #sistemaDeNavegación #SNAR #StabilityAI #StableDiffusion #testDeTuring #Turing #vídeos #Watson #Weizenbaum #Williams #YouTube
-
Pequeños y grandes pasos hacia el imperio de la inteligencia artificial
Fuente: Open TechTraducción de la infografía:
- 1943 – McCullock y Pitts publican un artículo titulado Un cálculo lógico de ideas inmanentes en la actividad nerviosa, en el que proponen las bases para las redes neuronales.
- 1950 – Turing publica Computing Machinery and Intelligence, proponiendo el Test de Turing como forma de medir la capacidad de una máquina.
- 1951 – Marvin Minsky y Dean Edmonds construyen SNAR, la primera computadora de red neuronal.
- 1956 – Se celebra la Conferencia de Dartmouth (organizada por McCarthy, Minsky, Rochester y Shannon), que marca el nacimiento de la IA como campo de estudio.
- 1957 – Rosenblatt desarrolla el Perceptrón: la primera red neuronal artificial capaz de aprender.
(!!) Test de Turing: donde un evaluador humano entabla una conversación en lenguaje natural con una máquina y un humano.
- 1965 – Weizenbaum desarrolla ELIZA: un programa de procesamiento del lenguaje natural que simula una conversación.
- 1967 – Newell y Simon desarrollan el Solucionador General de Problemas (GPS), uno de los primeros programas de IA que demuestra una capacidad de resolución de problemas similar a la humana.
- 1974 – Comienza el primer invierno de la IA, marcado por una disminución de la financiación y del interés en la investigación en IA debido a expectativas poco realistas y a un progreso limitado.
- 1980 – Los sistemas expertos ganan popularidad y las empresas los utilizan para realizar previsiones financieras y diagnósticos médicos.
- 1986 – Hinton, Rumelhart y Williams publican Aprendizaje de representaciones mediante retropropagación de errores, que permite entrenar redes neuronales mucho más profundas.
(!!) Redes neuronales: modelos de aprendizaje automático que imitan el cerebro y aprenden a reconocer patrones y hacer predicciones a través de conexiones neuronales artificiales.
- 1997 – Deep Blue de IBM derrota al campeón mundial de ajedrez Kasparov, siendo la primera vez que una computadora vence a un campeón mundial en un juego complejo.
- 2002 – iRobot presenta Roomba, el primer robot aspirador doméstico producido en serie con un sistema de navegación impulsado por IA.
- 2011 – Watson de IBM derrota a dos ex campeones de Jeopardy!.
- 2012 – La startup de inteligencia artificial DeepMind desarrolla una red neuronal profunda que puede reconocer gatos en vídeos de YouTube.
- 2014 – Facebook crea DeepFace, un sistema de reconocimiento facial que puede reconocer rostros con una precisión casi humana.
(!!) DeepMind fue adquirida por Google en 2014 por 500 millones de dólares.
- 2015 – AlphaGo, desarrollado por DeepMind, derrota al campeón mundial Lee Sedol en el juego de Go.
- 2017 – AlphaZero de Google derrota a los mejores motores de ajedrez y shogi del mundo en una serie de partidas.
- 2020 – OpenAI lanza GPT-3, lo que marca un avance significativo en el procesamiento del lenguaje natural.
(!!) Procesamiento del lenguaje natural: enseña a las computadoras a comprender y utilizar el lenguaje humano mediante técnicas como el aprendizaje automático.
- 2021 – AlphaFold2 de DeepMind resuelve el problema del plegamiento de proteínas, allanando el camino para nuevos descubrimientos de fármacos y avances médicos.
- 2022 – Google despide al ingeniero Blake Lemoine por sus afirmaciones de que el modelo de lenguaje para aplicaciones de diálogo (LaMDA) de Google era sensible.
- 2023 – Artistas presentaron una demanda colectiva contra Stability AI, DeviantArt y Mid-journey por usar Stable Diffusion para remezclar las obras protegidas por derechos de autor de millones de artistas.
Gráfico: Open Tech / Genuine Impact
Entradas relacionadas
- ¿Cómo definir la «credibilidad algorítmica»? DeepSeek da en el clavo
- Los precios dinámicos exacerban la desigualdad entre los consumidores, hay que regularlos ya
- Firma contra la vigilancia biométrica masiva
#ajedrez #AlphaFold2 #AlphaGo #AlphaZero #aprendizajeAutomático #artículo #artistas #aspirador #BlakeLemoine #ConferenciaDeDartmouth #copyright #DeanEdmonds #DeepBlue #DeepFace #DeepMind #DeviantArt #ELIZA #Facebook #gatos #GenuineImpact #Go #Google #GPS #GPT3 #gráfico #Hinton #IA #IBM #infografía #inteligenciaArtificial #iRobot #Jeopardy_ #Kasparov #LaMDA #LeeSedol #MarvinMinsky #McCarthy #McCullock #MidJourney #modelos #Newell #OpenTech #OpenAI #patrones #Perceptron #Pitts #plegamientoDeProteínas #predicciones #procesamientoDelLenguajeNatural #reconocimientoFacial #redesNeuronales #remezclar #robot #Rochester #Roomba #Rosenblatt #Rumelhart #Shannon #shogi #Simon #sistemaDeNavegación #SNAR #StabilityAI #StableDiffusion #testDeTuring #Turing #vídeos #Watson #Weizenbaum #Williams #YouTube
-
Pequeños y grandes pasos hacia el imperio de la inteligencia artificial
Fuente: Open TechTraducción de la infografía:
- 1943 – McCullock y Pitts publican un artículo titulado Un cálculo lógico de ideas inmanentes en la actividad nerviosa, en el que proponen las bases para las redes neuronales.
- 1950 – Turing publica Computing Machinery and Intelligence, proponiendo el Test de Turing como forma de medir la capacidad de una máquina.
- 1951 – Marvin Minsky y Dean Edmonds construyen SNAR, la primera computadora de red neuronal.
- 1956 – Se celebra la Conferencia de Dartmouth (organizada por McCarthy, Minsky, Rochester y Shannon), que marca el nacimiento de la IA como campo de estudio.
- 1957 – Rosenblatt desarrolla el Perceptrón: la primera red neuronal artificial capaz de aprender.
(!!) Test de Turing: donde un evaluador humano entabla una conversación en lenguaje natural con una máquina y un humano.
- 1965 – Weizenbaum desarrolla ELIZA: un programa de procesamiento del lenguaje natural que simula una conversación.
- 1967 – Newell y Simon desarrollan el Solucionador General de Problemas (GPS), uno de los primeros programas de IA que demuestra una capacidad de resolución de problemas similar a la humana.
- 1974 – Comienza el primer invierno de la IA, marcado por una disminución de la financiación y del interés en la investigación en IA debido a expectativas poco realistas y a un progreso limitado.
- 1980 – Los sistemas expertos ganan popularidad y las empresas los utilizan para realizar previsiones financieras y diagnósticos médicos.
- 1986 – Hinton, Rumelhart y Williams publican Aprendizaje de representaciones mediante retropropagación de errores, que permite entrenar redes neuronales mucho más profundas.
(!!) Redes neuronales: modelos de aprendizaje automático que imitan el cerebro y aprenden a reconocer patrones y hacer predicciones a través de conexiones neuronales artificiales.
- 1997 – Deep Blue de IBM derrota al campeón mundial de ajedrez Kasparov, siendo la primera vez que una computadora vence a un campeón mundial en un juego complejo.
- 2002 – iRobot presenta Roomba, el primer robot aspirador doméstico producido en serie con un sistema de navegación impulsado por IA.
- 2011 – Watson de IBM derrota a dos ex campeones de Jeopardy!.
- 2012 – La startup de inteligencia artificial DeepMind desarrolla una red neuronal profunda que puede reconocer gatos en vídeos de YouTube.
- 2014 – Facebook crea DeepFace, un sistema de reconocimiento facial que puede reconocer rostros con una precisión casi humana.
(!!) DeepMind fue adquirida por Google en 2014 por 500 millones de dólares.
- 2015 – AlphaGo, desarrollado por DeepMind, derrota al campeón mundial Lee Sedol en el juego de Go.
- 2017 – AlphaZero de Google derrota a los mejores motores de ajedrez y shogi del mundo en una serie de partidas.
- 2020 – OpenAI lanza GPT-3, lo que marca un avance significativo en el procesamiento del lenguaje natural.
(!!) Procesamiento del lenguaje natural: enseña a las computadoras a comprender y utilizar el lenguaje humano mediante técnicas como el aprendizaje automático.
- 2021 – AlphaFold2 de DeepMind resuelve el problema del plegamiento de proteínas, allanando el camino para nuevos descubrimientos de fármacos y avances médicos.
- 2022 – Google despide al ingeniero Blake Lemoine por sus afirmaciones de que el modelo de lenguaje para aplicaciones de diálogo (LaMDA) de Google era sensible.
- 2023 – Artistas presentaron una demanda colectiva contra Stability AI, DeviantArt y Mid-journey por usar Stable Diffusion para remezclar las obras protegidas por derechos de autor de millones de artistas.
Gráfico: Open Tech / Genuine Impact
Entradas relacionadas
- ¿Cómo definir la «credibilidad algorítmica»? DeepSeek da en el clavo
- Los precios dinámicos exacerban la desigualdad entre los consumidores, hay que regularlos ya
- Firma contra la vigilancia biométrica masiva
#ajedrez #AlphaFold2 #AlphaGo #AlphaZero #aprendizajeAutomático #artículo #artistas #aspirador #BlakeLemoine #ConferenciaDeDartmouth #copyright #DeanEdmonds #DeepBlue #DeepFace #DeepMind #DeviantArt #ELIZA #Facebook #gatos #GenuineImpact #Go #Google #GPS #GPT3 #gráfico #Hinton #IA #IBM #infografía #inteligenciaArtificial #iRobot #Jeopardy_ #Kasparov #LaMDA #LeeSedol #MarvinMinsky #McCarthy #McCullock #MidJourney #modelos #Newell #OpenTech #OpenAI #patrones #Perceptron #Pitts #plegamientoDeProteínas #predicciones #procesamientoDelLenguajeNatural #reconocimientoFacial #redesNeuronales #remezclar #robot #Rochester #Roomba #Rosenblatt #Rumelhart #Shannon #shogi #Simon #sistemaDeNavegación #SNAR #StabilityAI #StableDiffusion #testDeTuring #Turing #vídeos #Watson #Weizenbaum #Williams #YouTube
-
Pequeños y grandes pasos hacia el imperio de la inteligencia artificial
Fuente: Open TechTraducción de la infografía:
- 1943 – McCullock y Pitts publican un artículo titulado Un cálculo lógico de ideas inmanentes en la actividad nerviosa, en el que proponen las bases para las redes neuronales.
- 1950 – Turing publica Computing Machinery and Intelligence, proponiendo el Test de Turing como forma de medir la capacidad de una máquina.
- 1951 – Marvin Minsky y Dean Edmonds construyen SNAR, la primera computadora de red neuronal.
- 1956 – Se celebra la Conferencia de Dartmouth (organizada por McCarthy, Minsky, Rochester y Shannon), que marca el nacimiento de la IA como campo de estudio.
- 1957 – Rosenblatt desarrolla el Perceptrón: la primera red neuronal artificial capaz de aprender.
(!!) Test de Turing: donde un evaluador humano entabla una conversación en lenguaje natural con una máquina y un humano.
- 1965 – Weizenbaum desarrolla ELIZA: un programa de procesamiento del lenguaje natural que simula una conversación.
- 1967 – Newell y Simon desarrollan el Solucionador General de Problemas (GPS), uno de los primeros programas de IA que demuestra una capacidad de resolución de problemas similar a la humana.
- 1974 – Comienza el primer invierno de la IA, marcado por una disminución de la financiación y del interés en la investigación en IA debido a expectativas poco realistas y a un progreso limitado.
- 1980 – Los sistemas expertos ganan popularidad y las empresas los utilizan para realizar previsiones financieras y diagnósticos médicos.
- 1986 – Hinton, Rumelhart y Williams publican Aprendizaje de representaciones mediante retropropagación de errores, que permite entrenar redes neuronales mucho más profundas.
(!!) Redes neuronales: modelos de aprendizaje automático que imitan el cerebro y aprenden a reconocer patrones y hacer predicciones a través de conexiones neuronales artificiales.
- 1997 – Deep Blue de IBM derrota al campeón mundial de ajedrez Kasparov, siendo la primera vez que una computadora vence a un campeón mundial en un juego complejo.
- 2002 – iRobot presenta Roomba, el primer robot aspirador doméstico producido en serie con un sistema de navegación impulsado por IA.
- 2011 – Watson de IBM derrota a dos ex campeones de Jeopardy!.
- 2012 – La startup de inteligencia artificial DeepMind desarrolla una red neuronal profunda que puede reconocer gatos en vídeos de YouTube.
- 2014 – Facebook crea DeepFace, un sistema de reconocimiento facial que puede reconocer rostros con una precisión casi humana.
(!!) DeepMind fue adquirida por Google en 2014 por 500 millones de dólares.
- 2015 – AlphaGo, desarrollado por DeepMind, derrota al campeón mundial Lee Sedol en el juego de Go.
- 2017 – AlphaZero de Google derrota a los mejores motores de ajedrez y shogi del mundo en una serie de partidas.
- 2020 – OpenAI lanza GPT-3, lo que marca un avance significativo en el procesamiento del lenguaje natural.
(!!) Procesamiento del lenguaje natural: enseña a las computadoras a comprender y utilizar el lenguaje humano mediante técnicas como el aprendizaje automático.
- 2021 – AlphaFold2 de DeepMind resuelve el problema del plegamiento de proteínas, allanando el camino para nuevos descubrimientos de fármacos y avances médicos.
- 2022 – Google despide al ingeniero Blake Lemoine por sus afirmaciones de que el modelo de lenguaje para aplicaciones de diálogo (LaMDA) de Google era sensible.
- 2023 – Artistas presentaron una demanda colectiva contra Stability AI, DeviantArt y Mid-journey por usar Stable Diffusion para remezclar las obras protegidas por derechos de autor de millones de artistas.
Gráfico: Open Tech / Genuine Impact
Entradas relacionadas
- ¿Cómo definir la «credibilidad algorítmica»? DeepSeek da en el clavo
- Los precios dinámicos exacerban la desigualdad entre los consumidores, hay que regularlos ya
- Firma contra la vigilancia biométrica masiva
#ajedrez #AlphaFold2 #AlphaGo #AlphaZero #aprendizajeAutomático #artículo #artistas #aspirador #BlakeLemoine #ConferenciaDeDartmouth #copyright #DeanEdmonds #DeepBlue #DeepFace #DeepMind #DeviantArt #ELIZA #Facebook #gatos #GenuineImpact #Go #Google #GPS #GPT3 #gráfico #Hinton #IA #IBM #infografía #inteligenciaArtificial #iRobot #Jeopardy_ #Kasparov #LaMDA #LeeSedol #MarvinMinsky #McCarthy #McCullock #MidJourney #modelos #Newell #OpenTech #OpenAI #patrones #Perceptron #Pitts #plegamientoDeProteínas #predicciones #procesamientoDelLenguajeNatural #reconocimientoFacial #redesNeuronales #remezclar #robot #Rochester #Roomba #Rosenblatt #Rumelhart #Shannon #shogi #Simon #sistemaDeNavegación #SNAR #StabilityAI #StableDiffusion #testDeTuring #Turing #vídeos #Watson #Weizenbaum #Williams #YouTube
-
Pequeños y grandes pasos hacia el imperio de la inteligencia artificial
Fuente: Open TechTraducción de la infografía:
- 1943 – McCullock y Pitts publican un artículo titulado Un cálculo lógico de ideas inmanentes en la actividad nerviosa, en el que proponen las bases para las redes neuronales.
- 1950 – Turing publica Computing Machinery and Intelligence, proponiendo el Test de Turing como forma de medir la capacidad de una máquina.
- 1951 – Marvin Minsky y Dean Edmonds construyen SNAR, la primera computadora de red neuronal.
- 1956 – Se celebra la Conferencia de Dartmouth (organizada por McCarthy, Minsky, Rochester y Shannon), que marca el nacimiento de la IA como campo de estudio.
- 1957 – Rosenblatt desarrolla el Perceptrón: la primera red neuronal artificial capaz de aprender.
(!!) Test de Turing: donde un evaluador humano entabla una conversación en lenguaje natural con una máquina y un humano.
- 1965 – Weizenbaum desarrolla ELIZA: un programa de procesamiento del lenguaje natural que simula una conversación.
- 1967 – Newell y Simon desarrollan el Solucionador General de Problemas (GPS), uno de los primeros programas de IA que demuestra una capacidad de resolución de problemas similar a la humana.
- 1974 – Comienza el primer invierno de la IA, marcado por una disminución de la financiación y del interés en la investigación en IA debido a expectativas poco realistas y a un progreso limitado.
- 1980 – Los sistemas expertos ganan popularidad y las empresas los utilizan para realizar previsiones financieras y diagnósticos médicos.
- 1986 – Hinton, Rumelhart y Williams publican Aprendizaje de representaciones mediante retropropagación de errores, que permite entrenar redes neuronales mucho más profundas.
(!!) Redes neuronales: modelos de aprendizaje automático que imitan el cerebro y aprenden a reconocer patrones y hacer predicciones a través de conexiones neuronales artificiales.
- 1997 – Deep Blue de IBM derrota al campeón mundial de ajedrez Kasparov, siendo la primera vez que una computadora vence a un campeón mundial en un juego complejo.
- 2002 – iRobot presenta Roomba, el primer robot aspirador doméstico producido en serie con un sistema de navegación impulsado por IA.
- 2011 – Watson de IBM derrota a dos ex campeones de Jeopardy!.
- 2012 – La startup de inteligencia artificial DeepMind desarrolla una red neuronal profunda que puede reconocer gatos en vídeos de YouTube.
- 2014 – Facebook crea DeepFace, un sistema de reconocimiento facial que puede reconocer rostros con una precisión casi humana.
(!!) DeepMind fue adquirida por Google en 2014 por 500 millones de dólares.
- 2015 – AlphaGo, desarrollado por DeepMind, derrota al campeón mundial Lee Sedol en el juego de Go.
- 2017 – AlphaZero de Google derrota a los mejores motores de ajedrez y shogi del mundo en una serie de partidas.
- 2020 – OpenAI lanza GPT-3, lo que marca un avance significativo en el procesamiento del lenguaje natural.
(!!) Procesamiento del lenguaje natural: enseña a las computadoras a comprender y utilizar el lenguaje humano mediante técnicas como el aprendizaje automático.
- 2021 – AlphaFold2 de DeepMind resuelve el problema del plegamiento de proteínas, allanando el camino para nuevos descubrimientos de fármacos y avances médicos.
- 2022 – Google despide al ingeniero Blake Lemoine por sus afirmaciones de que el modelo de lenguaje para aplicaciones de diálogo (LaMDA) de Google era sensible.
- 2023 – Artistas presentaron una demanda colectiva contra Stability AI, DeviantArt y Mid-journey por usar Stable Diffusion para remezclar las obras protegidas por derechos de autor de millones de artistas.
Gráfico: Open Tech / Genuine Impact
Entradas relacionadas
- ¿Cómo definir la «credibilidad algorítmica»? DeepSeek da en el clavo
- Los precios dinámicos exacerban la desigualdad entre los consumidores, hay que regularlos ya
- Firma contra la vigilancia biométrica masiva
#ajedrez #AlphaFold2 #AlphaGo #AlphaZero #aprendizajeAutomático #artículo #artistas #aspirador #BlakeLemoine #ConferenciaDeDartmouth #copyright #DeanEdmonds #DeepBlue #DeepFace #DeepMind #DeviantArt #ELIZA #Facebook #gatos #GenuineImpact #Go #Google #GPS #GPT3 #gráfico #Hinton #IA #IBM #infografía #inteligenciaArtificial #iRobot #Jeopardy_ #Kasparov #LaMDA #LeeSedol #MarvinMinsky #McCarthy #McCullock #MidJourney #modelos #Newell #OpenTech #OpenAI #patrones #Perceptron #Pitts #plegamientoDeProteínas #predicciones #procesamientoDelLenguajeNatural #reconocimientoFacial #redesNeuronales #remezclar #robot #Rochester #Roomba #Rosenblatt #Rumelhart #Shannon #shogi #Simon #sistemaDeNavegación #SNAR #StabilityAI #StableDiffusion #testDeTuring #Turing #vídeos #Watson #Weizenbaum #Williams #YouTube
-
🧬 #Proteine: Bausteine des Lebens
Die 3D-Struktur von Proteinen allein aus ihrer Sequenz vorherzusagen, war lange ungelöst. 2020 schafften Demis Hassabis und John Jumper mit #AlphaFold2 den Durchbruch – ausgezeichnet mit dem #ChemieNobelpreis 2024. 🏆
🔍 Was macht AlphaFold2 🤖 so besonders? Alexander Schug vom @fzj_jsc erklärt es diese Woche bei #WissenschaftOnline.
👉 Infos & Login: https://www.fz-juelich.de/de/ueber-uns/kontakt/besuch/wissenschaft-online/alle-termine-wissenschaft-online/wo_prof_schug_jsc
-
Avec mon collègue @AntoineTaly, on a écrit un petit truc pour médecine/sciences pour présenter rapidement les améliorations et restrictions d'#alphafold3 par rapport à #alphafold2
https://www.medecinesciences.org/en/articles/medsci/abs/2024/08/msc240162/msc240162.html
-
Нобелевские премии 2024 и искусственный интеллект. Химия: предсказание белковых структур
С вами снова Павел Бузин Читать дальше
https://habr.com/ru/companies/cloud_ru/articles/852774/
#AlphaFold #AlphaFold2 #DeepMind #химия #белки #нобелевская_премия #нобелевский_лауреат
-
The first crystal structure of a bacterial guanosine 5′-monophosphate synthetase complexed with xanthine 5′-monophosphate is reported
#AlphaFold2 #GuanosineMonophosphateSynthetase #MolecularDynamicsSimulation https://doi.org/10.1107/S2053230X2400877X -
21y after collecting data during my PhD, we got to publish the structure of RNA-dependent RNA polymerase from #bacteriophage phi8!
Unsolvable in 2003 but #AlphaFold2 model worked!https://www.nature.com/articles/s41598-024-75213-7
Lesson learned: never discard data!
Great job Kamel El Omari getting it over the line!
-
Having identified the proteins, I fetch their #AlphaFold2 predictions from AlphaFold-DB, or compute them if not in the DB. #AF2 models have excellent geometry and complete sequence correctly numbered, so they are excellent starting models. I rarely use #PDB entries as starting models anymore. Rare exceptions: a PDB entry I deposited myself, or one containing a post-translational modification or non-natural amino acid I need (never present in #AF2 models, only the 20 standards amino acids).
4/19 -
2024 Nobel in Chemistry for “Designing protein” and “Predicting protein structure”
One half of the Nobel Prize in Chemistry 2024 has been awarded to David Baker “for computational protein design”............
#AImodel #AlphaFold2 #Aminoacids #DavidBaker #DemisHassabis #JohnJumper #NobelPrizeinChemistry #PROTEIN #Proteindesign #Proteinstructure
SC -
2024 Nobel in Chemistry for “Designing protein” and “Predicting protein structure”
One half of the Nobel Prize in Chemistry 2024 has been awarded to David Baker “for computational protein design”............
#AImodel #AlphaFold2 #Aminoacids #DavidBaker #DemisHassabis #JohnJumper #NobelPrizeinChemistry #PROTEIN #Proteindesign #Proteinstructure
SC -
2024 Nobel in Chemistry for “Designing protein” and “Predicting protein structure”
One half of the Nobel Prize in Chemistry 2024 has been awarded to David Baker “for computational protein design”............
#AImodel #AlphaFold2 #Aminoacids #DavidBaker #DemisHassabis #JohnJumper #NobelPrizeinChemistry #PROTEIN #Proteindesign #Proteinstructure
SC -
2024 Nobel in Chemistry for “Designing protein” and “Predicting protein structure”
One half of the Nobel Prize in Chemistry 2024 has been awarded to David Baker “for computational protein design”............
#AImodel #AlphaFold2 #Aminoacids #DavidBaker #DemisHassabis #JohnJumper #NobelPrizeinChemistry #PROTEIN #Proteindesign #Proteinstructure
SC -
2024 Nobel in Chemistry for “Designing protein” and “Predicting protein structure”
One half of the Nobel Prize in Chemistry 2024 has been awarded to David Baker “for computational protein design”............
#AImodel #AlphaFold2 #Aminoacids #DavidBaker #DemisHassabis #JohnJumper #NobelPrizeinChemistry #PROTEIN #Proteindesign #Proteinstructure
SC -
The other two recipients of the 2024 #NobelPrize in #Chemistry are Demis Hassabis and John M. Jumper from #Google Deep Mind for developing the #AI tool #AlphaFold2 to predict protein structure from amino acid sequence. Here’s the #Nobel press release. https://www.nobelprize.org/prizes/chemistry/2024/press-release/
-
GFP-tagging #tubulins is useful but can interfere with their cellular functions. This study describes a strategy guided by #AlphaFold2 structural predictions to label endogenous tubulins across diverse species while preserving functionality #PLOSBiology https://plos.io/3ArvolQ
-
Pipeline release! nf-core/proteinfold v1.1.1 - nf-core/proteinfold v1.1.0 - Blackbuck Antelope!
Please see the changelog: https://github.com/nf-core/proteinfold/releases/tag/1.1.1
#alphafold2 #protein-fold-prediction #protein-folding #protein-sequences #protein-structure #nfcore #openscience #nextflow #bioinformatics
-
https://phys.org/news/2024-06-supercomputing-age-ai-protein.html
"…a novel computational framework that simplifies and speeds up the process of using #AItools and #algorithms to understand three-dimensional protein structure…also predicts conformational diversity of proteins, an important property since proteins…
The team developed APACE, a computational tool that effectively handles #AlphaFold2, an AI program used to predict protein structure on high-performance computing systems…"
-
Pipeline release! nf-core/proteinfold v1.1.0 - nf-core/proteinfold v1.1.0 - Copper Deer!
Please see the changelog: https://github.com/nf-core/proteinfold/releases/tag/1.1.0
#alphafold2 #protein-fold-prediction #protein-folding #protein-sequences #protein-structure #nfcore #openscience #nextflow #bioinformatics
-
Because it is the start of the month, I'm indexing my notebook and seeing that there is a whole set of really exciting protein multimer predictions that still need to be done.
Of course, our clusters are down for summer maintenance this week. ugh.
I'm so tempted to use the browser-based colabfold, but I should just wait for the clusters.
I'm very impatient.
-
Because it is the start of the month, I'm indexing my notebook and seeing that there is a whole set of really exciting protein multimer predictions that still need to be done.
Of course, our clusters are down for summer maintenance this week. ugh.
I'm so tempted to use the browser-based colabfold, but I should just wait for the clusters.
I'm very impatient.
-
Because it is the start of the month, I'm indexing my notebook and seeing that there is a whole set of really exciting protein multimer predictions that still need to be done.
Of course, our clusters are down for summer maintenance this week. ugh.
I'm so tempted to use the browser-based colabfold, but I should just wait for the clusters.
I'm very impatient.
-
Because it is the start of the month, I'm indexing my notebook and seeing that there is a whole set of really exciting protein multimer predictions that still need to be done.
Of course, our clusters are down for summer maintenance this week. ugh.
I'm so tempted to use the browser-based colabfold, but I should just wait for the clusters.
I'm very impatient.
-
Because it is the start of the month, I'm indexing my notebook and seeing that there is a whole set of really exciting protein multimer predictions that still need to be done.
Of course, our clusters are down for summer maintenance this week. ugh.
I'm so tempted to use the browser-based colabfold, but I should just wait for the clusters.
I'm very impatient.
-
I use Alphafold (actually colabfold) and am happy to answer questions, but I'm just a user. There are people with more expertise than me here.
Hashtags might find the right people
#StructurePrediction #alphafold #alphafold2 #colabfold #ProteinStructure #StructuralBiology #ProteinPrediction #protein #bioinformatics
-
I use Alphafold (actually colabfold) and am happy to answer questions, but I'm just a user. There are people with more expertise than me here.
Hashtags might find the right people
#StructurePrediction #alphafold #alphafold2 #colabfold #ProteinStructure #StructuralBiology #ProteinPrediction #protein #bioinformatics
-
I use Alphafold (actually colabfold) and am happy to answer questions, but I'm just a user. There are people with more expertise than me here.
Hashtags might find the right people
#StructurePrediction #alphafold #alphafold2 #colabfold #ProteinStructure #StructuralBiology #ProteinPrediction #protein #bioinformatics
-
I use Alphafold (actually colabfold) and am happy to answer questions, but I'm just a user. There are people with more expertise than me here.
Hashtags might find the right people
#StructurePrediction #alphafold #alphafold2 #colabfold #ProteinStructure #StructuralBiology #ProteinPrediction #protein #bioinformatics
-
DMFold and DMFold-Multimer: A modified version of #AlphaFold2 that uses #DeepMSA2 to generate input alignments significantly improves protein monomer and complex structure predictions.
-
DMFold and DMFold-Multimer: A modified version of #AlphaFold2 that uses #DeepMSA2 to generate input alignments significantly improves protein monomer and complex structure predictions.
-
DMFold and DMFold-Multimer: A modified version of #AlphaFold2 that uses #DeepMSA2 to generate input alignments significantly improves protein monomer and complex structure predictions.
-
DMFold and DMFold-Multimer: A modified version of #AlphaFold2 that uses #DeepMSA2 to generate input alignments significantly improves protein monomer and complex structure predictions.