BIOLOGIK VA TIBBIY JARAYON KETMA-KETLIGI
Keywords:
Biologik ketma-ketlik; Sun’iy intellekt; Katta ma’lumotlar tahlili; Tabiiy tilni qayta ishlash (NLP); AlphaFold; ESM modeli; Oqsil tuzilishi; Biomolekulyar til modellari; Multiomics integratsiyasi; Tushuntiriladigan AI; Biotibbiyot innovatsiyalari; Kasallik diagnostikasi; Dori vositalari ishlab chiqarishAbstract
Biotexnologiya va axborot texnologiyalari sohasidagi jadal taraqqiyot biologik ketma-ketlikka oid katta hajmdagi ma’lumotlar davrini boshlab bermoqda. Sun’iy intellekt texnologiyalari, xususan, katta ma’lumotlarni tahlil qilish va tabiiy tilni qayta ishlash (NLP) usullari biologik ketma-ketliklarni chuqur o‘rganishda muhim vosita sifatida namoyon bo‘lmoqda. AlphaFold va ESM kabi ilg‘or modellar oqsillarning tuzilishini oldindan belgilash va funksiyalarini izohlashda katta muvaffaqiyatlarga erishgan bo‘lib, bu asosiy tadqiqotlar va dori vositalarini ishlab chiqarishda innovatsion yechimlar taqdim etmoqda. Mavjud yondashuvlar naqsh va statistikaga asoslangan, katta ma’lumotlar va NLP texnologiyalariga bo‘lingan. AlphaFold 3 va ColabFold kabi modellar oqsillar va biomolekula komplekslarini yuqori aniqlikda bashorat qilishda yangi mezonlar yaratmoqda. Genomik va RNK til modellari (masalan, RNAErnie, ESM2) semantik tahlil orqali yangi bilimlarni ochib bermoqda. Shu bilan birga, ma’lumotlarning to‘liqligi, uzoq masofali bog‘liqlik, multi-omics integratsiyasi va modellar mustahkamligi kabi muammolar dolzarb bo‘lib qolmoqda. Sintetik ma’lumotlar, yarim nazoratli o‘rganish va tushuntiriladigan AI texnikalari (SHAP, GNNExplainer) bu muammolarni yumshatishda istiqbolli. Ushbu yutuqlar kasalliklarni aniqlash, biomarkerlarni topish va tibbiyotda innovatsiyalarni jadallashtirishga xizmat qilmoqda, shu bilan biologik ketma-ketlik tahlilining kelajakdagi universal modellarini shakllantirmoqda.
Downloads
References
1. Jumper, J., Evans, R., Pritzel. Highly accurate protein structure prediction with AlphaFold. Nature, 596(7873), 583–589. (2021)
2. Abramson, J., Adler, J., Dunger. Accurate structure prediction of biomolecular interactions with AlphaFold 3. Nature, 630(8016), 493–500. (2024)
3. Davranov, K., Abdusamatov, S., Khujamshukurov, N. A. Advances in plant biotechnology and sequence analysis in Uzbekistan agriculture. International Journal of Biotechnology and Molecular Biology Research, 1–12. (2022).
4. Lin, Z., Akin, H.,. Evolutionary-scale prediction of atomic-level protein structure with a language model. Science, 379(6639), 1123–1130. (2023)
5. SA Abdurakhmonov, JT Abdurazzoqov, DB Elmurotova. Zamonaviy biosensorlarning tibbiyotdagi ahamiyati. Innovations in Science and Technologies. 2024
6. Turdikulova, S., Dalimov, Z., & Ashurov, A. Genome-wide association studies in Central Asian populations: Implications for biotechnology. Journal of Human Genetics, 411–420. 2019
7. Umer, M., Rout, R. K., & Khandelwal, P. (2024). Computational Techniques for Biological Sequence Analysis. Routledge. ISBN: 978-1032630267
8. Plonsey, R., & Barr, R. C. Bioelectricity: A Quantitative Approach. Springer 2007. ISBN: 978-0387488646
Downloads
Published
Issue
Section
License
This work is licensed under a Creative Commons Attribution 4.0 International License.
License Terms of our Journal
