北京看皮肤科好医院 https://m-mip.39.net/disease/mip_9278663.html

当地时间7月15日,美国华盛顿大学大卫·贝克(DavidBaker)教授和白敏京(BaekMin-kyung)博士在Science发论文,表示揭开了RoseTTAFold人工智能程序的面纱,该程序不仅可以预测蛋白质的结构,还可以预测蛋白质之间的结合形式。

Science的相关论文(来源:资料图)

同一天,英国人工智能公司DeepMind的CEODemisHassabis和JohnJumper博士在Nature上发表的论文,公布了用于破译蛋白质结构的人工智能AlphaFold2的详细信息。为和Science同日抢发论文,Nature特意在论文标题开头备注:“这是一份未经编辑的手稿,已被接受出版。NatureResearch正在为我们的作者和读者提供这份手稿的早期版本。”

Nature的相关论文(来源:资料图)

DeepMind透露,AlphaFold2可在几分钟内破译一般蛋白质的三维结构,还可以预测一个由个氨基酸相连的大蛋白质的结构。华盛顿大学的研究人员则使用Rosettafold破译了其他研究人员已经发送的多种蛋白质的结构。

(来源:资料图)

DeepMind本次在《自然》杂志上发表了更详细的方法,代码可在GitHub上找到,概括来说AlphaFold2程序解决了50年前生物学中的一个基本问题:蛋白质如何获得其结构。

截图来自DeepMind本次在《自然》发表的论文(来源:资料图)

据了解,蛋白质几乎参与人体的所有生命现象,从催化化学反应的酶、到对抗病毒的抗体和激素、以及作为信号物质的胰岛素。生物体会根据构成基因DNA的四个碱基的排列,以各种方式连接20个氨基酸。打个比方,如果蛋白质是房子,DNA就是蓝图,氨基酸则是砖块。

问题在于蛋白质不在氨基酸链中,而是折叠形成三维结构,这就像钥匙和锁一样,各种蛋白质相互结合从而去影响生命现象。

通过将氨基酸链折叠在一起来创建三维结构的过程有很多变量,以至于仅使用遗传信息很难预测三维结构。相反,科学家们用X射线分析了蛋白质晶体结构,到目前为止,已经有超过种蛋白质的结构被这种方法破译,但这只是数十亿蛋白质中的一小部分。

而DeepMind将人工智能引入蛋白质结构预测,此前早已引起轰动。去年12月,DeepMind的人工智能AlphaFold2获得的结果与科学家之前通过蛋白质结构预测竞赛的实验揭示的结果几乎90%一致。当时,《科学》杂志说,“科学研究的游戏已经改变了。”

DeepMind的科学家将有关个结构的信息输入到Alphafold中,这些结构在生物中发现的2亿种蛋白质中得到了确认。基于这些信息,人工智能自我识别了遗传信息与蛋白质三维结构之间的关系。它让人类无需实验即可了解蛋白质结构。事实上,此前Alphafold还在30分钟内解决了一个10年没有被揭示的蛋白质结构。

截图来自DeepMind本次在《自然》发表的论文(来源:资料图)

而在这次,华盛顿大学Baker教授和BaekMin-kyung博士基于DeepMind的研究开发了自己的AI方法,给定一个未知蛋白质,AIRosettafold在蛋白质数据库中搜索相似的氨基酸序列,同时另一个AI预测蛋白质内部氨基酸连接的形式,第三个AI呈现三维结构。随着这个过程的重复,每个AI呈现的结果都会得到改进。

(来源:资料图)

在一次采访中,Baker承认Alphafold2更准确。不过,比利时根特大学的SabbathSabides教授告诉《科学》杂志,“Baker教授的AI算法更好地捕捉了蛋白质结构的核心和特征。”Rosettafold不仅可以预测单个蛋白质的三维结构,还可以预测几种蛋白质的结合形式。据研究人员称,全球已有多个研究小组从代码共享平台GitHub下载了Rosettafold。

Baker教授(来源:资料图)

另一方面,众所周知,《自然》急于发表DeepMind论文,以与《科学》的论文保持同步。6月,当Baker教授在论文预发表网站上发布RosettaFold研究的结果时,DeepMind的CEOHassabis告诉社交媒体,AlphaFold2的细节正在编写和评估中。

当天接受《科学》杂志采访时,BaekMin-kyung博士评价说:“既然我们的研究是基于DeepMind的成果,那他们的论文理应在我们之前或同时发表。”据了解,BaekMin-kyung博士在首尔国立大学获得博士学位,目前在华盛顿大学担任博士后研究员。

截图来自华盛顿大学团队本次在《科学》发表的论文(来源:资料图)

AlphaFold之所以会受到如此



转载请注明地址:http://www.lanzhoushizx.com/lzly/72086.html