Молекулы ДНК и РНК чем-то похожи на текст, правда, их алфавит состоит всего из четырех букв, а длина нашего генома составляет примерно 3 миллиарда символов — в тысячу раз больше, чем роман «Война и Мир». Это значит, что последовательность нуклеотидов в ДНК (как и аминокислот в белке) может быть обработана нейросетью так же, как и любой текст — язык не обязательно должен быть естественным, а в качестве «букв» вполне подойдут аминокислоты и нуклеотиды.

Такие длинные тексты нейросети пока «читать» не умеют, но технологии постоянно совершенствуются. Первый трансформер для ДНК (модель DNABERT) принимал на вход совсем маленькие фрагменты последовательностей — всего 512 букв.

Технологии ИИ совершенствуются с небывалой скоростью, и подробнее о языковых моделях в молекулярной биологии мы вскоре расскажем. Пока что предлагаем отправиться в ознакомительное путешествие в мир ИИ применительно к биологии.

#Биомолекула_биоFAQ