ਗੂਗਲ ਡੀਪਮਾਈਂਡ ਨੇ 8 ਸਤੰਬਰ ਨੂੰ ਅਲਫਾਜੀਨੋਮ ਐਟਲਸ ਦੀ ਘੋਸ਼ਣਾ ਕੀਤੀ, ਇੱਕ ਡੇਟਾਬੇਸ ਜੋ ਮਨੁੱਖੀ ਜੀਨੋਮ ਵਿੱਚ ਹਰ ਸੰਭਵ ਨਿਊਕਲੀਓਟਾਈਡ ਵੇਰੀਐਂਟ ਦੇ ਪ੍ਰਭਾਵਾਂ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਦਾ ਹੈ - ਸਭ ਤੋਂ ਵਿਆਪਕ ਕੈਟਾਲਾਗ, ਕੰਪਨੀ ਕਹਿੰਦੀ ਹੈ ਕਿ ਜੈਨੇਟਿਕ ਪਰਿਵਰਤਨ ਅਣੂ ਜੀਵ ਵਿਗਿਆਨ ਨੂੰ ਕਿਵੇਂ ਪ੍ਰਭਾਵਤ ਕਰਦਾ ਹੈ। ਰੀਲੀਜ਼ ਡੀਪਮਾਈਂਡ ਦੇ ਅਲਫਾਜੀਨੋਮ ਮਾਡਲ ਨੂੰ ਇੱਕ ਪ੍ਰੀ-ਕੰਪਿਊਟਿਡ, ਖੋਜਯੋਗ ਸਰੋਤ ਵਿੱਚ ਬਦਲ ਦਿੰਦਾ ਹੈ ਜਿਸਨੂੰ ਕਲੀਨਿਕਲ ਖੋਜਕਰਤਾ ਅਤੇ ਜੀਵ ਵਿਗਿਆਨੀ ਕੋਡ ਦੀ ਇੱਕ ਲਾਈਨ ਲਿਖੇ ਬਿਨਾਂ ਪੁੱਛਗਿੱਛ ਕਰ ਸਕਦੇ ਹਨ।
98 ਪ੍ਰਤੀਸ਼ਤ ਸਮੱਸਿਆ For more context on this story, see our ongoing AI trends.
ਮਨੁੱਖੀ ਜੀਨੋਮ ਵਿੱਚ ਡੀਐਨਏ ਦੇ ਲਗਭਗ 3 ਬਿਲੀਅਨ ਬੇਸ ਜੋੜੇ ਹੁੰਦੇ ਹਨ, ਅਤੇ ਵਿਗਿਆਨੀ ਸਿਰਫ 2 ਪ੍ਰਤੀਸ਼ਤ ਨੂੰ ਹੀ ਚੰਗੀ ਤਰ੍ਹਾਂ ਸਮਝਦੇ ਹਨ ਜੋ ਪ੍ਰੋਟੀਨ ਲਈ ਕੋਡ ਹੁੰਦੇ ਹਨ। ਬਾਕੀ 98 ਪ੍ਰਤੀਸ਼ਤ - ਇਸਦਾ ਬਹੁਤ ਸਾਰਾ ਰੈਗੂਲੇਟਰੀ - ਧੁੰਦਲਾ ਰਿਹਾ ਹੈ। DeepMind ਦੇ AlphaGenome ਮਾਡਲ ਨੇ ਪਹਿਲਾਂ ਹੀ ਦਿਖਾਇਆ ਹੈ ਕਿ ਕਿਵੇਂ ਇਹਨਾਂ ਗੈਰ-ਕੋਡਿੰਗ ਖੇਤਰਾਂ ਵਿੱਚ ਇੱਕਲੇ ਬਦਲਾਅ ਅਣੂ ਪ੍ਰਕਿਰਿਆਵਾਂ ਜਿਵੇਂ ਕਿ ਪ੍ਰੋਟੀਨ ਉਤਪਾਦਨ ਵਿੱਚ ਵਿਘਨ ਪਾ ਸਕਦੇ ਹਨ, ਪਰ ਕੰਪਨੀ ਦੇ ਅਨੁਸਾਰ ਇਸ ਗੱਲ ਦੀ ਵੱਡੀ ਤਸਵੀਰ ਅਸਪਸ਼ਟ ਰਹੀ ਹੈ ਕਿ ਕਿਸ ਤਰ੍ਹਾਂ ਦੇ ਰੂਪਾਂ ਵਿੱਚ ਅਣੂ ਜੀਵ ਵਿਗਿਆਨ ਨੂੰ ਆਕਾਰ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ।
ਇੱਕ ਸਿੰਗਲ ਨਿਊਕਲੀਓਟਾਈਡ ਰੂਪ ਚਾਰ-ਅੱਖਰਾਂ ਦੇ ਡੀਐਨਏ ਵਰਣਮਾਲਾ ਦੇ ਬਿਲਕੁਲ ਇੱਕ ਅੱਖਰ ਵਿੱਚ ਤਬਦੀਲੀ ਹੈ। ਸਾਡੇ ਵਿੱਚੋਂ ਹਰ ਇੱਕ ਲੱਖਾਂ ਨੂੰ ਚੁੱਕਦਾ ਹੈ, ਅਤੇ ਜ਼ਿਆਦਾਤਰ ਕੁਝ ਨਹੀਂ ਕਰਦੇ - ਪਰ ਇੱਕ ਛੋਟਾ ਜਿਹਾ ਹਿੱਸਾ ਬਦਲਦਾ ਹੈ ਕਿ ਜੀਨਾਂ ਨੂੰ ਕਿਵੇਂ ਚਾਲੂ ਅਤੇ ਬੰਦ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਆਰਐਨਏ ਕਿਵੇਂ ਕੱਟਿਆ ਜਾਂਦਾ ਹੈ, ਜਾਂ ਪ੍ਰੋਟੀਨ ਕਿਵੇਂ ਬਣਾਏ ਜਾਂਦੇ ਹਨ। ਔਖਾ ਹਿੱਸਾ ਇਹਨਾਂ ਰੂਪਾਂ ਨੂੰ ਕਦੇ ਨਹੀਂ ਲੱਭ ਰਿਹਾ ਹੈ; ਸਸਤੇ ਕ੍ਰਮ ਨੇ ਸਾਲ ਪਹਿਲਾਂ ਇਹ ਰੁਟੀਨ ਬਣਾਇਆ ਸੀ। ਔਖਾ ਹਿੱਸਾ ਵਿਆਖਿਆ ਹੈ: ਸੰਭਾਵਿਤ ਸਿੰਗਲ-ਅੱਖਰ ਤਬਦੀਲੀਆਂ ਦੀ ਭਾਰੀ ਬਹੁਗਿਣਤੀ ਲਈ, ਕਦੇ ਵੀ ਕੋਈ ਪ੍ਰਯੋਗ ਨਹੀਂ ਕੀਤਾ ਗਿਆ ਹੈ, ਇਸਲਈ ਖੋਜਕਰਤਾਵਾਂ ਨੂੰ ਉਹਨਾਂ ਦੇ ਅਣੂ ਨਤੀਜਿਆਂ ਦਾ ਅਨੁਮਾਨ ਲਗਾਉਣ ਲਈ ਕੰਪਿਊਟੇਸ਼ਨਲ ਮਾਡਲਾਂ 'ਤੇ ਭਰੋਸਾ ਕਰਨਾ ਪਿਆ ਹੈ।
ਅਲਫ਼ਾਜੀਨੋਮ ਐਟਲਸ ਡੀਪਮਾਈਂਡ ਦੀ ਉਸ ਵਿਆਖਿਆ ਨੂੰ ਇੱਕ ਥਾਂ 'ਤੇ ਸਪਲਾਈ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਹੈ। ਪੁਸ਼ਮੀਤ ਕੋਹਲੀ, Google DeepMind ਵਿਖੇ ਵਿਗਿਆਨ ਦੇ VP ਅਤੇ Google ਕਲਾਊਡ ਦੇ ਮੁੱਖ ਵਿਗਿਆਨੀ ਦੀ ਅਗਵਾਈ ਵਾਲੀ ਟੀਮ, ਜੀਨੋਮਿਕਸ ਪਹਿਲਕਦਮੀ ਦੀ ਅਗਵਾਈ ਵਾਲੀ Ziga Avsec ਦੇ ਨਾਲ ਮਿਲ ਕੇ, ਸਾਰੇ 9 ਬਿਲੀਅਨ ਸਿੰਗਲ-ਅੱਖਰ ਜੈਨੇਟਿਕ ਤਬਦੀਲੀਆਂ ਦੇ ਰੈਗੂਲੇਟਰੀ ਪ੍ਰਭਾਵ ਦੀ ਪੂਰਵ-ਗਣਨਾ ਕਰਨ ਲਈ ਅਲਫ਼ਾਜੀਨੋਮ ਮਾਡਲ ਦੀ ਵਰਤੋਂ ਕੀਤੀ - ਹਰ ਸੰਭਵ ਇੱਕ ਨਿਊਕਲੀਓਟਾਈਡ ਵੇਰੀਐਂਟ - ਇੱਕ ਮੋਟੇ ਤੌਰ 'ਤੇ ਡਾਟਾਸੈੱਟ ਦਾ ਉਤਪਾਦਨ ਕਰਦਾ ਹੈ। ਹਰ ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਦੇ ਆਪਣੇ ਕਲੱਸਟਰ 'ਤੇ ਜੀਨੋਮ-ਪੈਮਾਨੇ ਦੇ ਅਨੁਮਾਨ ਨੂੰ ਮੁੜ-ਚਾਲੂ ਕਰਨ ਦੀ ਬਜਾਏ, ਭਵਿੱਖਬਾਣੀਆਂ ਹੁਣ ਇੱਕ ਸਾਂਝੇ, ਪੁੱਛਗਿੱਛ ਯੋਗ ਕੈਟਾਲਾਗ ਵਜੋਂ ਮੌਜੂਦ ਹਨ।
ਕਿਸਮਾਂ ਨੂੰ ਤਰਜੀਹ ਦੇਣ ਲਈ ਇੱਕ ਸਕੋਰ
ਪੇਟਾਬਾਈਟ-ਸਕੇਲ ਪੂਰਵ-ਅਨੁਮਾਨਾਂ ਦੁਆਰਾ ਖੋਜਣਾ ਆਪਣੇ ਆਪ ਵਿੱਚ ਇੱਕ ਖੋਜ ਪ੍ਰੋਜੈਕਟ ਹੋਵੇਗਾ, ਇਸਲਈ ਐਟਲਸ ਅਲਫਾਜੀਨੋਮ ਵੇਰੀਐਂਟ ਇਮਪੈਕਟ (ਏਵੀਆਈ) ਸਕੋਰ ਪੇਸ਼ ਕਰਦਾ ਹੈ। ਸਿੰਗਲ, ਵਰਤੋਂ ਵਿੱਚ ਆਸਾਨ ਸਕੋਰ ਕੋਡਿੰਗ ਅਤੇ ਗੈਰ-ਕੋਡਿੰਗ ਦੋਵਾਂ ਖੇਤਰਾਂ ਵਿੱਚ ਪੂਰਵ-ਅਨੁਮਾਨਾਂ ਨੂੰ ਜੋੜਦਾ ਹੈ, ਖੋਜਕਰਤਾਵਾਂ ਨੂੰ ਹਰ ਇੱਕ ਲਈ ਹਜ਼ਾਰਾਂ ਵਿਅਕਤੀਗਤ ਡੇਟਾ ਪੁਆਇੰਟਾਂ ਵਿੱਚ ਘੁੰਮਣ ਦੀ ਬਜਾਏ ਤੇਜ਼ੀ ਨਾਲ ਸਭ ਤੋਂ ਵਧੀਆ ਕਿਸਮਾਂ ਨੂੰ ਤਰਜੀਹ ਦੇਣ ਦਿੰਦਾ ਹੈ। ਡੀਪਮਾਈਂਡ ਦੀ ਫ੍ਰੇਮਿੰਗ ਵਿੱਚ, ਐਟਲਸ ਵਿਗਿਆਨਕ ਭਾਈਚਾਰੇ ਲਈ ਇੱਕ "ਵਧਾਉਣ ਵਾਲੇ ਸਾਥੀ" ਵਜੋਂ ਕੰਮ ਕਰਦਾ ਹੈ, ਦੁਰਲੱਭ ਜੀਨੋਮਿਕ ਪਰਿਵਰਤਨ ਤੋਂ ਲੈ ਕੇ ਗੁੰਝਲਦਾਰ ਗੁਣਾਂ ਤੱਕ ਦੇ ਖੇਤਰਾਂ ਵਿੱਚ ਖੋਜ ਨੂੰ ਤੇਜ਼ ਕਰਦਾ ਹੈ।
ਪਹਿਲਾਂ ਹੀ ਦੁਰਲੱਭ ਬਿਮਾਰੀਆਂ ਦੇ ਕੇਸਾਂ ਨੂੰ ਹੱਲ ਕੀਤਾ ਜਾ ਰਿਹਾ ਹੈ
ਐਟਲਸ ਇੱਕ ਕਾਲਪਨਿਕ ਸਰੋਤ ਨਹੀਂ ਹੈ: ਡੀਪ ਮਾਈਂਡ ਦਾ ਕਹਿਣਾ ਹੈ ਕਿ ਖੋਜਕਰਤਾ ਪਹਿਲਾਂ ਹੀ ਇਸਦੀ ਵਰਤੋਂ ਕਰ ਰਹੇ ਹਨ। ਬਰਾਡ ਇੰਸਟੀਚਿਊਟ ਵਿਖੇ, ਲੌਰਾ ਕੋਵਿਲ ਅਤੇ ਉਸਦੀ ਟੀਮ ਨੇ ਅਣਸੁਲਝੀਆਂ ਦੁਰਲੱਭ ਬਿਮਾਰੀਆਂ ਦੇ ਮਾਮਲਿਆਂ ਵਿੱਚ ਰੂਪਾਂ ਨੂੰ ਤਰਜੀਹ ਦੇਣ ਲਈ AVI ਸਕੋਰ ਲਾਗੂ ਕੀਤਾ। ਟੂਲ ਨੇ DNM1 ਜੀਨ ਵਿੱਚ ਇੱਕ ਨਾਜ਼ੁਕ ਰੂਪ ਨੂੰ ਉਜਾਗਰ ਕੀਤਾ, ਇਹ ਅਨੁਮਾਨ ਲਗਾਇਆ ਕਿ ਇਸ ਨੇ ਇੱਕ ਗਲਤ ਸਪਲਾਇਸ ਸਾਈਟ ਬਣਾਈ ਹੈ - ਸਬੂਤ ਜਿਸ ਨੇ ਟੀਮ ਨੂੰ ਕੇਸ ਨੂੰ ਸਫਲਤਾਪੂਰਵਕ ਹੱਲ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕੀਤੀ। ਉਹਨਾਂ ਪਰਿਵਾਰਾਂ ਲਈ ਜਿਨ੍ਹਾਂ ਨੇ ਤਸ਼ਖੀਸ ਦੀ ਉਡੀਕ ਵਿੱਚ ਕਈ ਸਾਲ ਬਿਤਾਏ ਹਨ, ਇਹ ਰੂਪ ਵਿਆਖਿਆ ਦਾ ਵਿਹਾਰਕ ਭੁਗਤਾਨ ਹੈ: ਇੱਕ ਅਸਪਸ਼ਟ ਕ੍ਰਮ ਨਤੀਜੇ ਨੂੰ ਇੱਕ ਜਵਾਬ ਵਿੱਚ ਬਦਲਣਾ।
ਸਰੋਤ ਗੁੰਝਲਦਾਰ ਗੁਣਾਂ ਲਈ ਵੀ ਲਾਭਦਾਇਕ ਸਾਬਤ ਹੋਇਆ ਹੈ, ਜਿੱਥੇ ਅੰਕੜਾਤਮਕ ਰੌਲੇ ਦੇ ਕਾਰਨ ਦੁਰਲੱਭ ਗੈਰ-ਕੋਡਿੰਗ ਰੂਪਾਂ ਦੀ ਪਛਾਣ ਕਰਨਾ ਮੁਸ਼ਕਲ ਹੈ। ਡਾ. ਗੈਰੇਥ ਹਾਕਸ ਨੇ 54,000 ਤੋਂ ਵੱਧ ਯੂਕੇ ਬਾਇਓਬੈਂਕ ਭਾਗੀਦਾਰਾਂ ਦੇ ਡੇਟਾ ਲਈ ਅਲਫ਼ਾਜੀਨੋਮ ਐਟਲਸ ਨੂੰ ਲਾਗੂ ਕੀਤਾ। ਉਹਨਾਂ ਦੇ ਅਨੁਮਾਨਿਤ ਅਣੂ ਪ੍ਰਭਾਵਾਂ ਦੇ ਅਨੁਸਾਰ ਰੂਪਾਂ ਦਾ ਸਮੂਹ ਕਰਕੇ, ਉਸਨੇ ਮਿਆਰੀ ਵਿਸ਼ਲੇਸ਼ਣ ਨਾਲੋਂ 22 ਪ੍ਰਤੀਸ਼ਤ ਵਧੇਰੇ ਗੈਰ-ਕੋਡਿੰਗ ਜੈਨੇਟਿਕ ਐਸੋਸੀਏਸ਼ਨਾਂ ਦਾ ਪਰਦਾਫਾਸ਼ ਕੀਤਾ। ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਰੂਪਾਂ ਦੇ ਸਿਖਰ 1 ਪ੍ਰਤੀਸ਼ਤ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਦੇ ਹੋਏ, ਉਸਨੇ ਨਿਸ਼ਾਨਾ ਖੋਜ ਦੇ ਅਗਲੇ ਪੜਾਅ ਨੂੰ ਨਿਰਦੇਸ਼ਤ ਕਰਦੇ ਹੋਏ, ਬਾਡੀ ਮਾਸ ਇੰਡੈਕਸ ਨਾਲ ਜੁੜੇ 19 ਜੈਨੇਟਿਕ ਖੇਤਰਾਂ ਦੀ ਪਛਾਣ ਕੀਤੀ।
ਮੁਫ਼ਤ ਪਹੁੰਚ, ਕੋਈ ਕੋਡਿੰਗ ਦੀ ਲੋੜ ਨਹੀਂ
AlphaGenome Atlas ਅੱਜ ਇੱਕ ਵੈੱਬ ਪੋਰਟਲ ਰਾਹੀਂ ਉਪਲਬਧ ਹੈ ਜਿਸਨੂੰ DeepMind ਦਾ ਕਹਿਣਾ ਹੈ ਕਿ ਜ਼ੀਰੋ ਕੋਡਿੰਗ ਹੁਨਰ ਦੀ ਲੋੜ ਹੈ - ਕਲੀਨਿਕਲ ਖੋਜਕਰਤਾਵਾਂ ਅਤੇ ਜੀਵ ਵਿਗਿਆਨੀਆਂ ਲਈ ਪਹੁੰਚ ਨੂੰ ਜਮਹੂਰੀਅਤ ਕਰਨ ਲਈ ਇੱਕ ਜਾਣਬੁੱਝ ਕੇ ਵਿਕਲਪ ਜੋ ਵੱਡੇ ਪੈਮਾਨੇ ਦੀ ਕੰਪਿਊਟੇਸ਼ਨਲ ਪਾਈਪਲਾਈਨਾਂ ਨਾਲ ਕੰਮ ਨਹੀਂ ਕਰਦੇ ਹਨ। ਕੋਹਲੀ ਅਤੇ Avsec ਨੇ ਜੀਨੋਮਿਕ ਖੋਜ ਨੂੰ ਤੇਜ਼ ਕਰਨ ਲਈ ਡੀਪਮਾਈਂਡ ਦੀ ਚੱਲ ਰਹੀ ਵਚਨਬੱਧਤਾ ਦੇ ਹਿੱਸੇ ਵਜੋਂ ਰਿਲੀਜ਼ ਨੂੰ ਤਿਆਰ ਕੀਤਾ, ਇਹ ਲਿਖਦੇ ਹੋਏ ਕਿ ਐਟਲਸ "ਭੂਮੀਗਤ ਜੀਨੋਮਿਕ ਸੂਝ" ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ ਜੋ ਜੈਵਿਕ ਖੋਜ ਨੂੰ ਵਿਆਪਕ ਤੌਰ 'ਤੇ ਤੇਜ਼ ਕਰੇਗਾ।
ਰੀਲੀਜ਼ ਜੀਵਨ ਵਿਗਿਆਨ ਲਈ ਡੀਪਮਾਈਂਡ ਦੇ ਏਆਈ ਮਾਡਲਾਂ ਦੇ ਵਿਸਤਾਰ ਨੂੰ ਜਾਰੀ ਰੱਖਦੀ ਹੈ, ਜਿੱਥੇ ਪਹਿਲਾਂ ਤੋਂ ਗਣਨਾ ਕੀਤੇ ਸਰੋਤ ਖੋਜ ਦੇ ਅਰਥ ਸ਼ਾਸਤਰ ਨੂੰ ਬਦਲਦੇ ਹਨ: ਹਰ ਲੈਬ ਨੂੰ ਜੀਨੋਮ-ਸਕੇਲ ਅਨੁਮਾਨ ਨੂੰ ਚਲਾਉਣ ਦੀ ਲੋੜ ਦੀ ਬਜਾਏ, ਸਾਰੇ ਸੰਭਾਵਿਤ ਰੂਪਾਂ ਲਈ ਭਵਿੱਖਬਾਣੀਆਂ ਇੱਕ ਵਾਰ ਗਣਨਾ ਕੀਤੀਆਂ ਜਾਂਦੀਆਂ ਹਨ ਅਤੇ ਸਾਂਝੀਆਂ ਕੀਤੀਆਂ ਜਾਂਦੀਆਂ ਹਨ। ਦੁਰਲੱਭ ਰੋਗ ਟੀਮਾਂ ਲਈ, ਫਰਕ ਨੂੰ ਹੱਲ ਕੀਤੇ ਕੇਸਾਂ ਵਿੱਚ ਮਾਪਿਆ ਜਾ ਸਕਦਾ ਹੈ; ਗੁੰਝਲਦਾਰ-ਵਿਸ਼ੇਸ਼ ਜੈਨੇਟਿਕਸ ਲਈ, ਮੌਜੂਦਾ ਬਾਇਓਬੈਂਕ ਡੇਟਾ ਤੋਂ ਸਾਹਮਣੇ ਆਈਆਂ ਨਵੀਆਂ ਐਸੋਸੀਏਸ਼ਨਾਂ ਦੀ ਗਿਣਤੀ ਵਿੱਚ।
ਇਹ ਦੀਪਮਾਈਂਡ ਨੂੰ ਇੱਕ ਪ੍ਰਵੇਗਸ਼ੀਲ ਖੇਤਰ ਦੇ ਨਾਲ ਅਸਿੱਧੇ ਮੁਕਾਬਲੇ ਵਿੱਚ ਵੀ ਰੱਖਦਾ ਹੈ। ਅਕਾਦਮਿਕ ਲੈਬਾਂ ਅਤੇ ਸਟਾਰਟਅੱਪਸ ਵਿੱਚ ਜੀਨੋਮ-ਅਨੁਭਾਸ਼ਨ ਮਾਡਲ ਅਤੇ ਰੂਪ-ਪ੍ਰਭਾਵ ਪੂਰਵ-ਅਨੁਮਾਨਾਂ ਨੇ ਗੁਣਾ ਕੀਤਾ ਹੈ, ਅਤੇ ਕਿਸੇ ਇੱਕ ਕੈਟਾਲਾਗ ਦੀ ਉਪਯੋਗਤਾ ਗੋਦ ਲੈਣ 'ਤੇ ਨਿਰਭਰ ਕਰਦੀ ਹੈ। ਇੱਕ ਸਿੰਗਲ ਯੂਨੀਫਾਈਡ ਸਕੋਰ ਦੇ ਨਾਲ ਇੱਕ ਮੁਫਤ ਪੋਰਟਲ ਨੂੰ ਸ਼ਿਪਿੰਗ ਕਰਕੇ, DeepMind ਸੱਟੇਬਾਜ਼ੀ ਕਰ ਰਿਹਾ ਹੈ ਕਿ ਵਰਤੋਂ ਦੀ ਸੌਖ - ਕੱਚੇ ਮਾਡਲ ਦੀ ਕਾਰਗੁਜ਼ਾਰੀ ਨਹੀਂ - ਇਹ ਨਿਰਧਾਰਤ ਕਰਦੀ ਹੈ ਕਿ ਕਿਹੜਾ ਸਰੋਤ ਮਿਆਰੀ ਕਲੀਨਿਕਲ ਖੋਜ ਟੂਲਕਿੱਟ ਦਾ ਹਿੱਸਾ ਬਣਦਾ ਹੈ।
AI ਨਿਗਰਾਨਾਂ ਲਈ, ਐਟਲਸ ਇੱਕ ਹੋਰ ਸੰਕੇਤ ਹੈ ਜਿੱਥੇ ਲਾਗੂ AI ਖੋਜ ਜਾ ਰਹੀ ਹੈ — ਚੈਟ ਇੰਟਰਫੇਸਾਂ ਤੋਂ ਦੂਰ ਅਤੇ ਡੋਮੇਨ-ਵਿਸ਼ੇਸ਼ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਵੱਲ ਜੋ ਮਾਡਲ ਪੂਰਵ-ਅਨੁਮਾਨਾਂ ਨੂੰ ਸਿੱਧੇ ਵਿਗਿਆਨਕ ਵਰਕਫਲੋ ਵਿੱਚ ਸ਼ਾਮਲ ਕਰਦਾ ਹੈ।
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
