Các nhà nghiên cứu tại MIT và Đại học Harvard đã công bố một nghiên cứu trên tạp chí Nature, giới thiệu một hệ thống neuro‑symbolic mới có khả năng dự đoán cấu trúc protein nhanh gấp 10 lần so với các phương pháp hiện tại như AlphaFold.
Hệ thống, được đặt tên là SymbolicFold, tích hợp mạng nơ‑ron sâu để học các đặc trưng vật lý‑hóa học, đồng thời sử dụng logic biểu tượng để áp dụng các quy tắc sinh học đã biết. Nhờ cách tiếp cận này, SymbolicFold có thể loại bỏ một phần lớn các cấu hình không khả thi ngay từ đầu, giảm đáng kể không gian tìm kiếm.
Trong các thí nghiệm trên bộ dữ liệu Protein Data Bank (PDB), SymbolicFold đạt độ chính xác trung bình 92,3% và thời gian tính toán trung bình chỉ 2,5 giờ cho một protein có độ dài 300 amino acid, so với hơn 25 giờ của AlphaFold.
Các nhà nghiên cứu kỳ vọng công nghệ này sẽ thúc đẩy nhanh quá trình phát triển thuốc và nghiên cứu sinh học tổng hợp, đồng thời mở ra hướng nghiên cứu mới trong việc kết hợp trí tuệ nhân tạo biểu tượng và học sâu.