ಶೋಧಕರು ಪ್ರೋಟೀನ್ ಭಾಷಾ ಮಾದೃತಿಗಳ ಒಳಗಿನ ಮೆಕಾನಿಸ್ಮ್ಗಳನ್ನು ಅನ್ವೇಷಿಸುತ್ತಿದ್ದಾರೇನು

ಭಾಷಾ ಮಾದರಿಗಳ ಪ್ರಯೋಗಗಳನ್ನು ಉತ್ತೇಜನ ನೀಡುವೊಂದಿಗೆ ಜೀವಶಾಸ್ತ್ರದ ಕ್ಷೇತ್ರದಲ್ಲಿ ಓರುವಾಗಿದೆ. _ಈ ಮಾದರಿಗಳ ಅಂತರಾಳದ ಶ್ರೇಣಿಯನ್ನು ಗ್ರಹಿಸುವುದು_ ಪ್ರಮುಖ ವೈಜ್ಞಾನಿಕ ಪ್ರಶ್ನೆಯನ್ನು ಹೊಂದಿದೆ. ಈ ಅನ್ವೇಷಣೆಯು ಹೊಸ ಔಷಧಗಳ ಅನ್ವೇಷಣೆ ಮತ್ತು ಔಷಧೀಯ ಆಂಟಿ ಬಾಡಿಗಳನ್ನು ರೂಪಿಸುವಂತಹ ಕ್ರಾಂತಿಕಾರಿ ಅಪ್ಲಿಕೇಶನ್ಗಳಿಗೆ ದಾರಿ ತೆರೆಯುತ್ತದೆ. ಹೊಸ ತಂತ್ರಜ್ಞಾನಗಳೊಂದಿಗೆ, ವೈಜ್ಞಾನಿಗಳು ಈ ಮಾದರಿಗಳೊಂದಿಗೆ ಪ್ರೋಟೀನಿನ ಲಕ್ಷಣಗಳ ಪರಸ್ಪರ ಸಂವಾದವನ್ನು ಒಳಗೆ ಸೆಳೆಯುತ್ತಾರೆ. _ಬ್ಲ್ಯಾಕ್ ಬಾಕ್ಸ್‌ನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವುದು_ ನಿರೀಕ್ಷೆಗಳನ್ನು ನಿಖರಗೊಳಿಸಲು ವಿಶೇಷವಾದ ಕಾರ್ಯಗಳಿಗೆ ಸೂಕ್ತವಾದ ಸಾಧನಗಳನ್ನು ಆಯ್ಕೆ ಮಾಡುವುದನ್ನು ಸುಲಭಗೊಳಿಸುತ್ತದೆ. ಫಲಿತಾಂಶಗಳು ನಮ್ಮ ಪ್ರೋಟೀನ್ಗಳ ಮತ್ತು त्यांच्या ಜೀವಶಾಸ್ತ್ರಪಟಾದರೂ ಹೊಂದಿರುವ ಅರ್ಥವನ್ನು ಪುನಃ ನಿರ್ಧಾರವಾಗಬಹುದು. _ಚಿತ್ರಣವನ್ನು ಶ್ರೀಮಂತವಾಗಿ ಪ್ರಕಟಿಸುವಂಥದು_ ಮಾಹಿತಿಯ ಪದ್ಯವನ್ನು ಪರಿಣಾಮಕಾರಿಯಾಗಿ ಪರಿವರ್ತಿಸಲು ಹಕ್ಕಿಯನ್ನು ಹೊಂದಬಹುದು.

ಭಾಷಾ ಮಾದರಿಗಳ ಅರ್ಥಮಾಡಿಕೆ

ಭಾಷಾ ಮಾದರಿಗಳ ಕುರಿತು ಪ್ರಮುಖ ಉಲ್ಲೇಖಗಳು ಪ್ರೋಟೀನ್ಗಳ ದ್ರೇಕ ಮತ್ತು ಕಾರ್ಯವನ್ನು ಮುನ್ಸೂಚನೆ ಮಾಡುವುದರಲ್ಲಿ ಕಾಣುತ್ತವೆ. ಈ ಮಾದರಿಗಳ ಅಪ್ಲಿಕೇಶನ್ಗಳನ್ನು ಔಷಧಿ ತ केवल ಗಣನೀಯ ಸ್ಥಾನಗಳಲ್ಲಿ ಪರಿಣಾಮಕಾರಿ ಮಾಡುವುದು. MIT ಯಿಂದ ಬರುವ ವೈಜ್ಞಾನಿಗಳು ನಿಧಾನವಾಗಿ ಈ ಮಾದರಿಗಳ ಅಂತರಾಳದ ಶ್ರೇಣಿಗಳನ್ನು ಸ್ಪಷ್ಟಪಡಿಸಲು ಹೊಸ ವಿಧಾನವನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ್ದಾರೆ, ಇದನ್ನು ಪ್ರೋಟೀನ್ ಭಾಷಾ ಮಾದರಿಗಳು ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ.

“ಬ್ಲ್ಯಾಕ್ ಬಾಕ್ಸ್”ನ ತೀವ್ರಪಡಿಸುವುದು

ನಿಖರವಾದ ಮುನ್ಸೂಚನೆಗಳನ್ನು ನೀಡುವ ಸಾಮರ್ಥ್ಯದ ಮೇಲೆ, ಮಾದರಿಗಳ ಆಂತರಿಕ ಶ್ರೇಣಿಗಳು ಹೇಗೆ ಕೆಲಸ ಮಾಡುತ್ತವೆ ಎಂಬುದರ ಬಗ್ಗೆ ಪ್ರಶ್ನೆಗಳು ಮುಖ್ಯಹೊರೆಯುತ್ತವೆ. ವೈಜ್ಞಾನಿಗಳು ಈ ಮುನ್ಸೂಚನೆಗಳಿಗೆ ಪ್ರಭಾವ ಬೀರುವ ಪ್ರೋಟೀನಿನ ಆಯಾಮಗಳನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ವಿಘಟನೆಗೆ ಹೆಜ್ಜೆಗೆ ಬುಡವಾಡುತ್ತಿದ್ದರು. MIT ಯಂತಹ ಇತ್ತೀಚಿನ ಅಧ್ಯಯನವು ಈ ಮುನ್ನುಮುಖವನ್ನು ತೆರೆದು, ಭಾಷಾ ಮಾದರಿಗಳ ಆಯ್ಕೆಯ ನಿರ್ಧಾರಗಳ ಮೇಲೆ ತೆರೆದಿರುವ ಹೊಸ ತಂತ್ರವನ್ನು ಉಪಯೋಗಿಸುತ್ತದೆ.

MIT ಯಾದ ಪ್ರೊಫೆಸ್ಸರ್ ಬಾಲ್ನಿ ಬೆರ್ಗರ್ ಅವರು ಈ ಕೆಲಸವು ವಿಸ್ತಾರವಾದ ವ್ಯಾಖ್ಯಾನಗಳಿಗಾಗಿ ಹೆಚ್ಚು ಲಾಭದಾಯಕ ಪರಿಣಾಮಗಳನ್ನು ಹೊಂದಿದೆ ಎಂದು ವಿವರಿಸುತ್ತಾರೆ. ಈ ಹೆಚ್ಚಿದ ಸ್ಪಷ್ಟತೆ, ಕಳೆದ ಲೇಖನಗಳಲ್ಲಿ ಇದ್ದ ಮುನ್ಸೂಚನೆಗಳಿಗೆ ಮುಖ್ಯವಾದ ಮಾದರಿಯ ಆಯ್ಕೆ ಮಾಡಲು ನೆರವಾಗಬಹುದು.

ಊಮ್ಕೆ ಬರಿಯ ಹಕ್ಕಿ

ಈ ಅಧ್ಯಯನಗಳಲ್ಲಿ ಇವತ್ತಿನಿಂದ ಉಲ್ಲೇಖಿತವಾದ ಸೂಚನೆ, ಯಾವ ಪ್ರಕಾರದ ಪ್ರೋಟೀನ್‌ನ್ನು ಪ್ರಮುಖತೆ ವಿಷಯದಲ್ಲಿ ನೀವು ಹೇಗೆ ಸಂರಚಿಸುತ್ತೀರಿ ಎಂಬುದನ್ನು ನಿಯಂತ್ರಿಸುವ ಏಕೀಬಂದ ಮತ್ತು ಏಕವಾದ ವಿಧಾನವನ್ನು ಬಳಸುತ್ತದೆ. ಇದು ಪ್ರೋಟೀನ್‌ನ್ನು ಮತ್ತಷ್ಟು ಹೆಚ್ಚು ಪ್ರಯೋಜನದಾರ ಶ್ರೇಣೀಮಾಡುತ್ತಿದ್ದು, ಇದರ ಬಗ್ಗೆ ಸಂದೇಹಗಳನ್ನು ಶ್ರೇಣೀಬದಲಿಸುತ್ತಾ ನಿಖರ ತಿಳಿಸಿದ್ದಾರೆ.

ಈ ವಿಧಾನವನ್ನು ಉತ್ಪಾದಿಸುವ ಮೊದಲು, ಮಾದರಿಗಳು ಈ ಪ್ರಕಾರವನ್ನು ಸಂಕೀರ್ಣಿತ ಶ್ರೇಣಿಗಳಿಗೆ ಹೊಂದಿಸಲು ಸಂಕೀರ್ಣವು ಅಪೇಕ್ಷಿತವಾಗುತ್ತಿತ್ತು. sparse ಪ್ರತಿನಿಧಿಸುವ ಶ್ರೇಣಿಯನ್ನು ಆಹಾರोड ಮಾಡುವ ಮೂಲಕ, ವೈಜ್ಞಾನಿಗಳು ನೆಟ್‌ವರ್ಕ್‌ನ ಶ್ರೇಣಿಗಳಿಂದ ಸೂಚನೆಗಳನ್ನು ಶ್ರೇಣೀಬದಲಿಸುತ್ತಿದ್ದರು, ಇದರಿಂದಾಗಿ ಎಷ್ಟು ಉಲ್ಲೇಖಿತವಾಗುತ್ತದೆ ಎಂಬುದು ಆಡMorathan.

IA ಮೂಲಕ ಶ್ರೇಣೀಮಾಡಿಕೆ

spars ಪ್ರತಿನಿಧಿಗಳನ್ನು ಪಡೆದ ನಂತರ, ವೈಜ್ಞಾನಿಗಳು ಕ್ಲಾಡ್ ಎಂಬ AI ಸಹಾಯಕರನ್ನು ಬಳಸಿಕೊಂಡು ಈ ಮಾಹಿತಿಗಳನ್ನು ಶ್ರೇಣೀಮಾಡಿ. ಕ್ಲಾಡ್ ಈ ಪ್ರತಿನಿಧಿಗಳನ್ನು ಪ್ರತಿಯೊಬ್ಬ ಪ್ರೋಟೀನಿನ ಶ್ರೇಣಿಯ ವ್ಯಾಖ್ಯಾನಾಧಿಗಳೊಂದಿಗೆ ಹೋಲಿಸುತ್ತಿತ್ತು, ಮತ್ತು ಈ ಮೂಲಕ ಪ್ರತಿ ಶ್ರೇಣಿಯ ಮೇಲೆ ಏನನ್ನು shadowಾಯಿತ ಎಂಬುದನ್ನು ನಿರ್ಧರಿಸಲು ಸಾಧ್ಯವಾಯಿತು. ಈ ಸಾಂಸ್ಕೃತಿಕ ಶ್ರೇಣೀ ಅಭ್ಯಾಸವು ಶ್ರೇಣಿಯಗಳನ್ನು ವಿಸ್ತಾರವಾದ ವ್ಯಾಖ್ಯಾನಗಳಿಗೂ ನೆರವಾಗುತ್ತದೆ, ಇದರಿಂದಾಗಿ ಮಾದರಿಯ ಅರ್ಥವನ್ನು ಸುಲಭವಾಗಿ ನೀಡುತ್ತದೆ.

ಫಲಿತಾಂಶಗಳು ಸಮಸ್ಯೆಯಾದ ಶ್ರೇಣಿಗಳಲ್ಲಿನ ಸ್ಪಷ್ಟತೆಗಳು ಮತ್ತು ಕೆಲವು ಕಾರ್ಯಗಳನ್ನು ವಿವರಿಸುತ್ತವೆ. ಗುಜ್ರೆಲ್, ಪ್ರಮುಖ ಸ್ಥಳೀಯವಾದ ವೈಜ್ಞಾನಿ, sparse ಪ್ರತಿನಿಧಿಯಾಗಿ ಅದನ್ನು ಪರಿಚಯಿಸುತ್ತಾನೆ.

ಭವಿಷ್ಯದ ಜೀವಶಾಸ್ತ್ರಕ್ಕೆ ಪರಿಣಾಮಗಳು

ಭಾಷಾ ಮಾದರಿಗಳ ಕಾರ್ಯ ಚರಿತ್ರೆಯು ಪ್ರೋಟೀನ್‌ಗಳಿಗೆಗಳನ್ನು ತಂಡ ರೂಪಿಸುವ ನೆನೆಸುತ್ತದೆ. ಮಾದರಿಯು ಪ್ರೋಟೀನ್‌ಗಳಿಗೆ ಮೂಲಭೂತವಾದ ಕಾರ್ಯಾಂಶಗಳನ್ನು ಮುನ್ಸೂಚನೆಗೂ ಸಂಕಲಿಸಿ. ಈ ಮಾಹಿತಿಯೊಳಗೆ ಅಧ್ಯಯನಗಳು ಅಧಿಕೃತ ಶ್ರೇಣಿಯ ಒತ್ತುತ್ತವೆ.

ಜೀವಶಾಸ್ತ್ರದಿ ಹೊಂದಿರುವ ಸಾಧ್ಯತೆಗಳು ಸಂಸದೀಯವಾಗಿದೆ. ಶ್ರೇಣಿಗಳಿಗೆ ಉತ್ತಮವಾದ ಅನ್ವೇಷಣೆಗಳ ಬಳಕೆ, ಸದೀರ್ಘವಾಗಿರುವಂಧಗಳನ್ನು ಶ್ರೇಣಿಕೆ ಮಾತ್ರವೇ ಒದಗಿಸುತ್ತವೆ, ಉದ್ಯೋಗ ಬೆಳವಣಿಗೆ, ಸಂಪರ್ಕದ ಮೂಲಕ ಉತ್ತಮ ಶ್ರೇಣಿಗಳು ಅಥವಾ ಒತ್ತವescaping, ಪ್ರಕೃತಿಯನ್ನು ಪರಿಚಯಿಸುತ್ತವೆ.

IA ಮತ್ತು ಜೀವಶಾಸ್ತ್ರದ ಬಗ್ಗೆ ದೃಷ್ಟಿಕೋನಗಳು

ಕೃತ್ರಿಮ ಬುದ್ಧಿಮತ್ತೆಯಲ್ಲಿನ ಮಾರ್ಗದರ್ಶನವು ಜೀವಶಾಸ್ತ್ರದ ಅಧ್ಯಯನದಲ್ಲಿ ಆಧಾರಿತವಾಗಿದೆ. MIT ಯಾದ ಮಾದರಿಗಳು ಕೃತಕ ಬೆಂಗಳೂರು ಆದರೆ ವಿಚಿತ್ರ ಸಂರಚನೆಯನ್ನು ತಂದರೂ ಸಹ ಮಾನವಿಯ ಮಾದರಿಯಂತೆ ತರುವುದು, ಕೃತಕ ಮತ್ತು ಜೀವಶಾಸ್ತ್ರದ ಪ್ರಕ್ರಿಯಗಳ ನಡುವಿನ ಸಂಬಂಧವನ್ನು ಬೆಳಣಿಸುತ್ತದೆ. ವೈಜ್ಞಾನಿಗಳು ಹೊಸ ಚಿಕಿತ್ಸೆಗಳ ರೂಪದಲ್ಲಿ ಮತ್ತಷ್ಟು ಹೊಸ ಮಾದರಿಗಳನ್ನು ಮಹತ್ವವನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವ ಸಾಹಿತಿಯಲ್ಲಿ ಇಳುವುದು.

ಈ ಭಾಷಾ ಮಾದರಿಗಳು, ಇತ್ತೀಚಿನ ಪ್ರಗತಿಯಲ್ಲಿರುವ ಹಂತಗಳ ಮೂಲಕ, ಔಷಧಿ ಬಗ್ಗೆ ನಕ್ಕಾಗಿ ವಿವಿಧ ಚಿಂತನೆ ಮಾಡಲು, ವಿಜ್ಞಾನ ಮತ್ತು ತಂತ್ರಜ್ಞಾನದ ಹಕ್ಕಿಗೆ ಉತ್ತರಿಸಲು ಇಾಪಣಗಳನ್ನು ನೀಡಲು ಅನುವಾದಿಸುತ್ತವೆ.

ಈ ಹಿಂದೆ, ಇತ್ತೀಚಿನ ವಿದ್ಯಮಾನಗಳಲ್ಲಿ ಮತ್ತು ಹಕ್ಕಿಯಲ್ಲಿನ ಪ್ರಗತಿಗಳನ್ನು ಹಾಗೂ ಇತರು Ivo Everts ಮತ್ತು ಚೈನಾದಲ್ಲಿನ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಮೇಲಿನ ನಾವೀನ್ಯತೆಗಳ ಮೇಲೆ ಫೀಡ್ ಸುಳುತ್ತಾರೆ.

ಕಡ್ಡಾಯವಾಗಿ ಇತರ ಮಾಹಿತಿ ಭೇಟಿಗಳ ನಡುವೆ ಇವುಗಳನ್ನು ಸಂಘಟಿಸುವಂತಾದ ಕಾರಣಗಳ ಗುರುತಾತ್ಮಕವಾಗಿ ಇದರಲ್ಲಿ ಮಾಹಿತಿಗಳನ್ನು ವಿವರಿಸಲಾಗುತ್ತದೆ ಮತ್ತು ಮಾಹಿತಿ ಮೂಲಗಳಲ್ಲಿ ಎಷ್ಟು ಹೊಂದಾಣಿಕೆಯ ಬಗ್ಗೆ ತಿಳಿದಿಡುತ್ತವೆ.

ಭಾಷಾ ಮಾದರಿಗಳ ಅಂತರಂಗವನ್ನು ಕುರಿತು ಪ್ರಶ್ನೆಗಳಿಗೆ ಉತ್ತರಗಳು

ಭಾಷಾ ಮಾದರಿಗಳಿಗೆ “ಬ್ಲ್ಯಾಕ್ ಬಾಕ್ಸ್” ತೆರೆಯುವ ಪ್ರಯೋಜನಗಳೇನು ?
“ಬ್ಲ್ಯಾಕ್ ಬಾಕ್ಸ್” ತೆರೆಯುವುದು, ಮುಖ್ಯವಾಗಿ ಈ ಮಾದರಿಗಳು ಹೇಗೆವೂ ಮುನ್ಸೂಚನೆಗಳನ್ನು ನಿರ್ಮಿಸುತ್ತವೆ ಎಂಬುದನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು, ಮತ್ತು thereby, ಔಷಧಗಳ ಹುಡುಕಲು ಅಥವಾ ವೆ ಪಡೆದಿರುವ ನಿಷ್ಟಾದಲ್ಲಿ ತೆರಯಬಹುದು.

ಭಾಷಾ ಮಾದರಿಗಳಿಂದ ಉತ್ಪಾದಿತ ಪ್ರತಿನಿಧಿಗಳನ್ನು ವೈಜ್ಞಾನಿಗಳು ಹೇಗೆ ಶ್ರೇಣೀಬದ್ಧಿಸುತ್ತಾರೆ ?
ದೇಶ ಚಿ{%} ಮಾಡುವ ದೇವಸ್ಥಾನದ ತಂತ್ರಜ್ಞಾನದ ಸಮಾಲೋಚನೆ ಸ್ಫಟಿಕವು, ಸ್ಪARSE autoencoder, ಇವುಗಳು ಕೆಮ್ ರೂವೆ ಅಥವಾ ವಾರ್ತೆಯ ಹೀತವುಳ್ಳ ನೆಟ್‌ವರ್ಕ್‌ನಲ್ಲಿರುವುದನ್ನು ಶ್ರೇಣೀಬದ್ಧಿಸಲು ಅಚ್ಚು ಎಂದು ಸೃಷ್ಟಿಸುತ್ತದೆ.

ಭಾಷಾ ಮಾದರಿಗಳ ಶ್ರೇಣಿಯಲ್ಲಿ ಸಾಮಾನ್ಯವಾಗಿ ಗುರುತಿಸಲಾಗಿದೆಯೆನು ?
ಶ್ರೇಣಿಯಲ್ಲಿನ ಸಾಮಾನ್ಯವಾಗಿ ಗುರುತಿಸಲಾಗಿವುದರಲ್ಲಿ ಪ್ರೋಟೀನ್‌ನ ಕುಟುಂಬ, ನಿಷ್ಕರ್ಷಾ ವ್ಯಕ್ತಿಗಳೇ ಬಿರುಸು ರೂಪದಲ್ಲಿವೆ.

IA ಒಳಗೊಮ್ಮಲು ವಿಚಾರವನ್ನು ಹೇಗೆ ಪ್ರಪಂಚಸಾಥಿ ?
IA ಉಪಕರಣಗಳು, ಕ್ಲಾಡ್ ಮುಂತಾದವು, ಈ ಕಾರಣಗಳಿಂದ, ಶ್ರೇಣಿಗಳನ್ನು ಶ್ರೇಣಿಯಾಗಿ ಉಲ್ಲೇಖಿಸುತ್ತವೆ ಮತ್ತು ಏಕೆಂದರೆ, ಯಾವುದನ್ನು ನಮ್ಮ ಪ್ರೋಟೀನ್‌ನಲ್ಲಿ ಗುರುತಿಸುತ್ತವೆ, ಆದ್ದರಿಂದ ಇವನ್ನು ಹೆಚ್ಚು ವಿವರವಾಗಿ ವ್ಯಕ್ತಪಡಿಸುವುದಕ್ಕೆ ನೆರವಾಗುತ್ತದೆ.

ಭಾಷಾ ಮಾದರಿಗಳು ಹೇಗೆ ಮುನ್ಸೂಚನೆಯ ಮೇಲೆ ಅವರ ಕಾರ್ಯವನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ನಿಗೂಢವಿರುತ್ತದೆ ?
ಭಾಷಾ ಮಾದರಿಗಳು ನಾಶವಾಗದ ಜಾಲಗಳನ್ನು ಆಧಾರಿತವಾಗಿದೆ, ಮತ್ತು ಅವರ ಒಳಗೊಮ್ಮಲು ಶ್ರೇಣಿಯ ಸಮರ್ಥನೀಯತೆ ನಿಖರವಾಗಿಲ್ಲ, ಆದ್ದರಿಂದ ಮಾದರಿಯ ಗುಣಮಟ್ಟವನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಪ್ರತಿಭಾದರೂ ಸಮ್ಮಲಕರು.

ಪ್ರೋಟೀನಿನ ಮಾಹಿತಿಗಳನ್ನು ಹೇಗೆ ಆಯ್ಕೆ ಮಾಡುವುದು ?
ಪ್ರತಿ ಮಾದರಿಯಲ್ಲಿಯು ಎಷ್ಟೇ ಶ್ರೇಣಿಗಳನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು, ವೈಜ್ಞಾನಿಗಳು ವಾಹಕಗಳನ್ನು ನಗರಿಸುತ್ತಾರೆ, ಏಕೀಬಂದವಾದ ಕೆಲಸಗಳಿಕ್ಕೆ, ಮತ್ತು ನಿಖರವಾಗಿ ಪ್ರೋಟೀನ್ ಸಾಧಿಸುತ್ತೆದ¦.

ಈ ಸಂಶೋಧನೆಗಳು ಭವಿಷ್ಯದ ಜೀವಶಾಸ್ತ್ರದಲ್ಲಿ ಏನು ಪರಿಣಾಮ ಬರಬಹುದು ?
ಈ ಉಲ್ಲೇಖಿತ ಪ್ರವಿನಿಗಳು, ಜೀವನದಲ್ಲಿ ಹೊಸ ಮಾಹಿತಿ ಉಪಾಯೀ, ಆಮೇಲೆ ಕಡೆ ಇದೆ, ಅವರು ಪ್ರೋಟೀನ್‌ಗಳ ಸಮಾಜ ನೀತಿ ಸ್ವೀಕರಿಸುತ್ತಿಲ್ಲ.

ಈ ಮಾದರಿಗಳ ಅಧ್ಯಯನದಲ್ಲಿ ಸಂಶೋಧಕರು ಎದುರಿಸುತ್ತಿರುವ ಅಸ್ವಸ್ಥಿಕೆಗಳು ಏನೆಂದರೆ?
ಅದರ ಹೆಚ್ಚಿನ ಇಲಾಖೆಯ ಸಮಸ್ಯೆ ಗಳಲ್ಲಿ, ಅದರ ಶ್ರೇಣಿಯ ನಡುವಿನ ಸಮಸ್ಯೆಗಳು ನಡೆನಡಿ, ವೈವಿಧ್ಯಗಳ ಪ್ರಯೋಗ ಮಾಡಲು ಡೇಟಾಗಳನ್ನು ಅನ್ವಯಿಸುವುದನ್ನು ಯೋಚಿಸುತ್ತವೆ.

ಈ ಭಾಷಾ ಮಾದರಿಯ ಮೇಲೆ ಆಯ್ಕೆ ಮಾಡುವ ಜನಸೇನೆಯ ಸಲಹೆ ಬೇಕಾದದ್ದೇನು ?
ನವೀನ ಮಾದರಿಗಳನ್ನು ಕಂಡುಕೊಂಡು, ಪ್ರೋಟೀಯನನ್ನು ಗುರುತಿಸಲು ಬಹುಮುಖವಾಗಿ ಶ್ರೇಣಿಗಳಿಗೆ ಮಾಡಲು ಸಹಾಯದ ಶ್ರೇಣಿಯನ್ನು ಶ್ರೇಣೆಗಳ ಸುಳಿವಾರರ ಹೊರಗೆ ಮೃತ್ಯುವಿನಿಂದ ಆರ್ಗ್ಯ!