Essentia Memoria haber masasından yayımlanmış araştırmaların taraması. Gerçek makaleleri listeler, her biri DOI kayıt kurumunda arandı; oyun bu sonuçları kendisi tekrarlamadı.
Araştırma taraması
Yapay zekâ araştırmaları ne buldu: proteinler ve yaşamın molekülleri
Olay zamanı: · Yayın zamanı:
proteinler ve yaşamın molekülleri üzerine 12 yayımlanmış eser; her biri burada listelenmeden önce DOI kayıt kurumunda arandı, her birinin ne bildirdiği sade sözlerle yazıldı.
İzle
Açıklayıcı görselleştirme: kayıttaki sayılardan çizildi. Olay anının görüntüsü değil; olayı kimse kaydetmedi.
Dinle
Metin dökümü
Essentia Memoria oyun evreninden haber. Yapay zekâ araştırmaları ne buldu: proteinler ve yaşamın molekülleri. Proteinler ve yaşamın molekülleri üzerine 12 yayımlanmış eser. Her biri burada listelenmeden önce DOI kayıt kurumunda arandı, her birinin ne bildirdiği sade sözlerle yazıldı. Bu tarama her makalenin ne bildirdiğini listeler. Oyun bu sonuçları kendisi tekrarlamadı. Arama sözcükleriyle eşleşen makaleleri bulur. Listelenen bir makale yapay zekâyı yalnızca kısmen kullanıyor olabilir. Arama en çok atıf alan elli eşleşmeyle sınırlıdır. En yeni sonuçlar atıf alana dek eksik kalabilir. Bu haber dünya kaydından sabit bir şablonla yazıldı. Haberin tamamı ve kaynak kayıtları essentiamemoria.com adresinde.
Soru
Yapay zekâ bir proteinin hangi biçime katlanacağını tahmin etmeyi nasıl öğrendi?
İddialar ve her birinin kaynağı
- Bu araştırmanın oyundaki yeri (dünya dilbilgisinin kurduğu bir yer)laboratory → laboratory
Oyun simülasyonu · Kodda tanımlı
src/lib/world-grammar/place-grammar.ts · resolvePurpose('laboratory') - Bu taramadaki yayımlanmış eser; her biri DOI kayıt kurumunda çözüldü12
Gerçek dünya bilgisi · Kaynak [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] [11] [12]
- AlphaFold bir proteinin üç boyutlu biçimini amino asit dizisinden, çoğu zaman laboratuvar doğruluğuna yakın tahmin ediyor.Jumper 2021
Gerçek dünya bilgisi · Kaynak [1]
- Harnessing protein folding neural networks for peptide–protein dockingTsaban 2022
Gerçek dünya bilgisi · Kaynak [2]
- [31] PHD: Predicting one-dimensional protein structure by profile-based neural networksRost 1996
Gerçek dünya bilgisi · Kaynak [3]
- Evolutionary-scale prediction of atomic-level protein structure with a language modelLin 2023
Gerçek dünya bilgisi · Kaynak [4]
- ProtGPT2 is a deep unsupervised language model for protein designFerruz 2022
Gerçek dünya bilgisi · Kaynak [5]
- P2Rank: machine learning based tool for rapid and accurate prediction of ligand binding sites from protein structureKrivák 2018
Gerçek dünya bilgisi · Kaynak [6]
- Accurate prediction of protein structures and interactions using a three-track neural networkBaek 2021
Gerçek dünya bilgisi · Kaynak [7]
- Improved protein structure prediction using potentials from deep learningSenior 2020
Gerçek dünya bilgisi · Kaynak [8]
- Highly accurate protein structure prediction for the human proteomeTunyasuvunakool 2021
Gerçek dünya bilgisi · Kaynak [9]
- AlphaFold Protein Structure Database in 2024: providing structure coverage for over 214 million protein sequencesVáradi 2023
Gerçek dünya bilgisi · Kaynak [10]
- Improved protein structure prediction using predicted interresidue orientationsYang 2020
Gerçek dünya bilgisi · Kaynak [11]
- Prediction of protein folding class using global description of amino acid sequence.Dubchak 1995
Gerçek dünya bilgisi · Kaynak [12]
Kaynakça, kayıt kurumunda denetlendi
[1] Jumper (2021). Highly accurate protein structure prediction with AlphaFold. Nature. doi:10.1038/s41586-021-03819-2
Doğrulandı: eser var ve eşleşiyor · Crossref üzerinde 28 Eki 2026 22:25 UTC tarihinde denetlendi · kayıttaki eser “Highly accurate protein structure prediction with AlphaFold” (2021)
[2] Tsaban (2022). Harnessing protein folding neural networks for peptide–protein docking. Nature Communications. doi:10.1038/s41467-021-27838-9
Doğrulandı: eser var ve eşleşiyor · Crossref üzerinde 28 Eki 2026 22:25 UTC tarihinde denetlendi · kayıttaki eser “Harnessing protein folding neural networks for peptide–protein docking” (2022)
[3] Rost (1996). [31] PHD: Predicting one-dimensional protein structure by profile-based neural networks. Methods in enzymology on CD-ROM/Methods in enzymology. doi:10.1016/s0076-6879(96)66033-9
Doğrulandı: eser var ve eşleşiyor · Crossref üzerinde 28 Eki 2026 22:25 UTC tarihinde denetlendi · kayıttaki eser “[31] PHD: Predicting one-dimensional protein structure by profile-based neural networks” (1996)
[4] Lin (2023). Evolutionary-scale prediction of atomic-level protein structure with a language model. Science. doi:10.1126/science.ade2574
Doğrulandı: eser var ve eşleşiyor · Crossref üzerinde 28 Eki 2026 22:25 UTC tarihinde denetlendi · kayıttaki eser “Evolutionary-scale prediction of atomic-level protein structure with a language model” (2023)
[5] Ferruz (2022). ProtGPT2 is a deep unsupervised language model for protein design. Nature Communications. doi:10.1038/s41467-022-32007-7
Doğrulandı: eser var ve eşleşiyor · Crossref üzerinde 28 Eki 2026 22:25 UTC tarihinde denetlendi · kayıttaki eser “ProtGPT2 is a deep unsupervised language model for protein design” (2022)
[6] Krivák (2018). P2Rank: machine learning based tool for rapid and accurate prediction of ligand binding sites from protein structure. Journal of Cheminformatics. doi:10.1186/s13321-018-0285-8
Doğrulandı: eser var ve eşleşiyor · Crossref üzerinde 28 Eki 2026 22:25 UTC tarihinde denetlendi · kayıttaki eser “P2Rank: machine learning based tool for rapid and accurate prediction of ligand binding sites from protein structure” (2018)
[7] Baek (2021). Accurate prediction of protein structures and interactions using a three-track neural network. Science. doi:10.1126/science.abj8754
Doğrulandı: eser var ve eşleşiyor · Crossref üzerinde 28 Eki 2026 22:25 UTC tarihinde denetlendi · kayıttaki eser “Accurate prediction of protein structures and interactions using a three-track neural network” (2021)
[8] Senior (2020). Improved protein structure prediction using potentials from deep learning. Nature. doi:10.1038/s41586-019-1923-7
Doğrulandı: eser var ve eşleşiyor · Crossref üzerinde 28 Eki 2026 22:25 UTC tarihinde denetlendi · kayıttaki eser “Improved protein structure prediction using potentials from deep learning” (2020)
[9] Tunyasuvunakool (2021). Highly accurate protein structure prediction for the human proteome. Nature. doi:10.1038/s41586-021-03828-1
Doğrulandı: eser var ve eşleşiyor · Crossref üzerinde 28 Eki 2026 22:25 UTC tarihinde denetlendi · kayıttaki eser “Highly accurate protein structure prediction for the human proteome” (2021)
[10] Váradi (2023). AlphaFold Protein Structure Database in 2024: providing structure coverage for over 214 million protein sequences. Nucleic Acids Research. doi:10.1093/nar/gkad1011
Doğrulandı: eser var ve eşleşiyor · Crossref üzerinde 28 Eki 2026 22:25 UTC tarihinde denetlendi · kayıttaki eser “AlphaFold Protein Structure Database in 2024: providing structure coverage for over 214 million protein sequences” (2024)
[11] Yang (2020). Improved protein structure prediction using predicted interresidue orientations. Proceedings of the National Academy of Sciences. doi:10.1073/pnas.1914677117
Doğrulandı: eser var ve eşleşiyor · Crossref üzerinde 28 Eki 2026 22:25 UTC tarihinde denetlendi · kayıttaki eser “Improved protein structure prediction using predicted interresidue orientations” (2020)
[12] Dubchak (1995). Prediction of protein folding class using global description of amino acid sequence.. Proceedings of the National Academy of Sciences. doi:10.1073/pnas.92.19.8700
Doğrulandı: eser var ve eşleşiyor · Crossref üzerinde 28 Eki 2026 22:25 UTC tarihinde denetlendi · kayıttaki eser “Prediction of protein folding class using global description of amino acid sequence.” (1995)
İnceleme
Hakem değerlendirmesinden geçmedi. Bu taramayı henüz hiçbir insan bilim insanı incelemedi. Şablonu ve temel eser özetleri bir yapay zekâ yardımcısıyla (Claude) yazıldı; listelediği makaleler gerçek ve her biri kayıt kurumunda denetlendi, herkes bağlantıları izleyip okuyabilir.
- Listelenen her DOI çözüldü; başlık, yıl ve ilk yazar listeyle eşleşti.
- Aramanın bulduğu her eseri, aramadan bağımsız bir kayıt kurumu olan Crossref tutuyor.
- Başlık ve özetteki her sayı listelenen bir iddiayla karşılanıyor.
- Hiçbir aday eser düşürülmedi: masanın bulduğu ya da adlandırdığı her eseri kayıt kurumu doğruladı.
Kod sürümü: fa127b6f988c
Kaydın söylemedikleri
Bu tarama her makalenin ne bildirdiğini listeler; oyun bu sonuçları kendisi tekrarlamadı. Arama sözcükleriyle eşleşen makaleleri bulur; listelenen bir makale yapay zekâyı yalnızca kısmen kullanıyor olabilir. Arama en çok atıf alan elli eşleşmeyle sınırlıdır; en yeni sonuçlar atıf alana dek eksik kalabilir.
Nasıl yazıldı
Masanın adlandırdığı temel eserler, ardından OpenAlex’te başlık ve özetlerde ("protein structure" OR "protein folding" OR "protein design") AND ("machine learning" OR "deep learning" OR "neural network" OR "neural networks" OR "artificial intelligence" OR convolutional OR "reinforcement learning" OR "language model" OR transformer) araması için dönen, DOI’si olan en çok atıf almış eserler; bir sonuç ancak kendi başlığı alanı, başlığı ya da özeti bir yapay zekâ yöntemini tam sözcük olarak anıyorsa tutulur; bu sözcüklerden en çoğunu başlığında anan sonuçlar önce gelir. Her aday Crossref’te (ikinci çözücü OpenAlex) arandı; başlığı, yılı ve ilk yazarı karşılaştırıldı. Aramanın bulduğu bir eser ancak Crossref onu tutuyorsa gösterilir. Temel eserlerin özetlerini masa yazdı; diğer eserler kendi başlıklarıyla listelenir.
Kaynak kayıtlar: code:src/lib/world-grammar/place-grammar.ts#resolvePurpose · doi:10.1038/s41586-021-03819-2 · doi:10.1038/s41467-021-27838-9 · doi:10.1016/s0076-6879(96)66033-9 · doi:10.1126/science.ade2574 · doi:10.1038/s41467-022-32007-7 · doi:10.1186/s13321-018-0285-8 · doi:10.1126/science.abj8754 · doi:10.1038/s41586-019-1923-7 · doi:10.1038/s41586-021-03828-1 · doi:10.1093/nar/gkad1011 · doi:10.1073/pnas.1914677117 · doi:10.1073/pnas.92.19.8700