主要科学先导:深度AI AlphaFold解法50年大挑战

蛋白建模深度AI

二例蛋白目标 免费建模类AlphaFold预测高精度结构与实验结果对比信用区间深明

DeepMind开发AI解决50年蛋白质挑战,为加速生物研究创造潜力

最新版DeepMindAI系统 AlphaFold已被公认为解决蛋白质结构预测50年大挑战的办法,实现这一突破可大大加速生物研究的长期性,释放疾病理解和药物发现等新可能性

CASP14显示 DeepMind最新 AlphaFold系统实现无与伦比水平精度结构预测系统能在几天内判定高度精确结构CASP即蛋白结构临界评估预测系自1994年开始的两年社区运行评估,并使用黄金标准评估预测技术参与者必须盲目预测直到最近才实验测定的蛋白质结构-或在某些情况下尚未实验测定的蛋白质结构-等待他们的预测与实验数据作比较

CASP使用全球距离测试度量评估精度,范围介于0-100新建 AlphaFold系统在所有目标中均分为92.4GDT系统平均误差约1.6Agstroms-宽度原子学.联合创建者兼CASP主席John Moult教授表示,约90GDT非正式评分被认为与实验方法所得结果有竞争力

马里兰大学CASP共同创始人兼主席John Moult教授表示:

近50年来我们一直纠缠于这个问题-蛋白质如何叠叠-看着DepMind生成解决之道, 个人为问题工作如此之久, 多站后并开始想我们是否曾到过那里, 是一个非常特殊的时刻。”

为何蛋白结构预测重要

蛋白质对生命至关重要,它们的形状与函数密切相联精准预测蛋白结构的能力使人们更好地了解它们的作业方式和工作方式主数据库中目前有2亿多蛋白质,三维结构中只有一小部分绘制出图

一个重要的挑战就是数种数学方法 蛋白质理论上折叠后 沉入最终3D结构社会面临的许多最大挑战,如开发疾病处理方法或寻找破解工业废品的酶等,从根本上与蛋白质和作用相关联。确定蛋白形状和函数是一个主要的科学研究领域,主要使用实验技术,这些技术每结构需要多年辛劳工作,需要使用数百万元专用设备。

DeepMind处理蛋白折问题

DeepMind首创2018CASP13俄罗斯比利时赔率DeepMind为CASP14开发了新的深学习架构,从生物、物理和机器学习和许多科学家在过去半个世纪里 折叠场的工作

折式蛋白可算作“空间图”,残留物即结点和边缘近距离连接残留物图对理解蛋白质内部物理交互作用以及进化历史非常重要关于CASP14使用的最新版 AlphaFold DeepMind创建关注基础神经网络系统训练端对端图解析图结构 并推理内嵌图使用进化相关序列、多序对齐和表示amino酸类残留配方精炼图

通过迭代过程系统对蛋白质底层物理结构开发强预测外加 AlphaFold使用内部置信度量法预测每种预测蛋白结构的哪些部分可靠

系统接受公开数据培训,由蛋白数据库约170 000蛋白结构组成,使用相对小量现代机学习标准计算-约128TPUV3核心数(大致相当于~100-200GPUs)持续数周

真实世界影响潜力

DeepMind极乐于与他人协作了解AlphaFold潜力, AlphaFold团队正在研究蛋白结构预测如何帮助通过几个专家团理解某些疾病

也有迹象表明蛋白结构预测可用于未来大流行响应努力,这是科学界开发的许多工具之一。今年早些时候 DeepMind预测数个蛋白结构SARS-COV-2病毒传播实验家快速工作证明 AlphaFold高精度预测

AlphaFold是DeepMind迄今最大进步之一和所有科学研究一样 还有很多事要做 包括了解多蛋白综合体组成脱氧核糖核酸,RNA网络或小分子, 并如何确定所有氨基酸侧链的确切位置

同前CASP13 AlphaFold系统一样,DeepMind正计划适时向同行评审日志提交一份文件详细介绍系统运行情况,并同时探索如何以可扩缩方式提供更广泛访问系统的最佳方式

AlphaFold开新场展示AI作为辅助基础科学发现工具的惊人潜力DeepMind期望与他人协作释放这一潜力

独立科学家声明

Venki Ramakrishnan教授,诺贝尔奖获得者兼皇家学会会长
俄罗斯比利时赔率计算工作在蛋白质叠加问题上 取得了惊人的进步 生物领域50年大挑战几十年前 现场许多人会预测将令人兴奋地看到它改变生物研究的许多方式。”

Janet Thornton教授,EMBL-EBI高级科学家
俄罗斯比利时赔率DeepMind团队所实现的是奇特的 并会改变结构生物学和蛋白学研究的未来数十年研究蛋白质和分子提供所有生物体的结构和功能后, 今天上午我醒来感到进步已经实现。”

亚瑟D列文森博士创建者Calico前总裁兼首席执行官Genentech
AlphaFold代代相传 预测蛋白质结构 速度精度惊人俄罗斯比利时赔率跳跃展示计算方法准备改变生物研究并预示加速药物发现过程

俄罗斯比利时赔率Andrei Lupas教授,maxPlanck开发生物学院主任
AlphaFold奇异精度模型让我们解决了近十年来我们被卡住的蛋白质结构问题,重新努力理解信号如何跨细胞膜传递问题

Ewan Birney教授,副总干事EMBL,EMBL-EBI主任
看见结果时差点从椅子上摔下来CASP多严格-它基本保证计算模型必须完成挑战性任务-原生蛋白折叠看到这些模型能如此精确实现实战实战实战实战实战实战实战将有许多方面需要理解,但这是科学的一大进步。”

DeepMind/字母表语句

DeepMindDimisHassabis博士创建者兼CEO
DeepMind后终极视觉常建AI并用它加速科学发现速度帮助加深我们对环游世界的了解对我们来说, AlphaFold表示该论文的第一个证明点进步是我们第一次重大突破 长期大挑战科学, 我们希望这将 对现实世界 大影响 疾病理解和药物发现

Pushmeet Kohli博士生、AI科学主管深明
证明DeepMind独有研究思想-集合面向任务跨科队面向远大科学目标关键评估像CASP对驱动研究进度很重要, 我们期待着以这项工作为基础,加深对蛋白质和生物机制的了解,开通新探索渠道。”

John Speoper博士、AlphaFoldlead深明
俄罗斯比利时赔率蛋白生物学奇特复杂 无法简单描述俄罗斯比利时赔率团队工作证明机器学习技术终于能 满足描述这些不可思义蛋白机的复杂性, 并让我们真正兴奋地看到它将给人的健康 和基础生物学带来哪些新突破。”

KathrynTunyasuvunakool博士科学工程师深明
俄罗斯比利时赔率预测高精度蛋白结构的能力与AI可改变我们处理生物的方式, 并有可能应用药物设计 和生物修复特别是实验式挑战蛋白质 良好的预测技术能大有不同

Sundar Pichai首席执行官Google和字母
帮助我们更好地了解生命中最基本构件从DepMind突飞猛进即时实用意义, 使研究人员能处理新难题, 从未来大流行响应到环境可持续能力

读取深度AI解析50年科学挑战更多关于这个题目

关于DepMind

DeepMind是一个跨专业团队,由科学家、工程师、机器学习专家等组成,并协同研发安全AI系统,学习解决问题并为所有人推进科学发现

开发AlphaGo最有名的DepMind发布1000多份研究论文-包括十多份自然科学论文-并在许多挑战性AI域实现突破效果从StarCraft二号到蛋白折叠

DeepMind2010年在伦敦创建,2014年与Google联手加速工作自那以来,社区扩展为包括艾伯塔省、蒙特利尔省、巴黎和加利福尼亚山景

9注释大科学前台:深点AI AlphaFold解法50年大挑战

  1. 人工智能和学科的又一惊人突破 仍然处于萌芽阶段怎么能有人否认AI在每一项努力中都快超出人的能力?俄罗斯比利时赔率令人愉快讽刺的是 人类未来不在于生物 而是机器

    • 托比约恩拉松| 12月2日2020晚7点06分| 回文

      清晰超出我们固有能力(尽管这也是应用能力的良好证明)。

      最接近目标 — — 进化当然永远无法实现 — — 但我毫不怀疑,从销售书籍者那里看,sgulicity是一个未来幻想我不认为它有科学(但我可能搞错)

  2. 布拉德阿诺德| 12月2日2020年4时31分| 回文

    AlphaFold产生惊人结果时,应视之为范式转换,而非具体问题解决程序从橄榄球到成人基因理疗等许多不同领域都很容易实现这一突破奇异性即将到来 — — 文化阻塞技术进步,当AI领先时,它绕过过期低效人类社会屏障和挂起以尽量提高有利效果

    • 托比约恩拉松| 12月2日2020晚7点09分| 回文

      最接近目标 — — 进化当然永远无法实现 — — 但我毫不怀疑,从销售书籍者那里看,sgulicity是一个未来幻想我不认为它有科学(但我可能搞错)

  3. 脱氧核糖核酸| 12月2日2020年9点07分| 回文

    边缘连接残留物近距离

    近距离冗余

    • 托比约恩拉松| 12月2日2020晚7点19分| 回文

      你确定吗表示蛋白质物理邻近原生蛋白结构可能被视为冗余,如果你如此组织图,但二级线表和三级折叠图则不应如此AlphaFold不做四元结构级集合子单元多模

  4. 托比约恩拉松| 12月2日2020晚7点01分| 回文

    酷-测试进化和机器学习即时加速科学发现

  5. 确定蛋白质结构时 也要给自然机会有各种鼠鼠和仓鼠取纯蛋白解析法并注入腹腔一个月后收集并检验结构是否改变,

留注释

邮箱地址任选提供时您的邮件不发布或分享