生物版AlphaGo发威！DeepMind出手抗疫：预测多种新冠病毒相关蛋白结构

本篇文章1473字，读完约4分钟

随着疫情在全球蔓延，世界顶级人工智能研究机构加入了抗疫情行列。

Deepmind利用其最新版本的alphafold系统发现了与新型冠状病毒(sars-cov-2)相关的几种蛋白质的结构预测，这些预测今天已向所有人公开。

他们说这些蛋白质的结构还没有被专家们研究过，希望能对流行病的科学研究有所贡献。

“在共享蛋白质数据库中，我们的系统准确地提供了sars-cov-2尖峰蛋白的预测实验，这使我们相信我们的模型对其他蛋白的预测可能是有用的。”Deepmind在一篇博文中写道。

Deepmind的信心来自阿尔法折叠系统，该系统于2018年12月问世，震惊了科学家。它的主要功能是用人工智能加速科学发现。

在2018年“蛋白质结构预测奥运会”的casp竞赛中，它击败了其他97名选手，是第二名的8倍多。

因此，在华盛顿大学使用蛋白质游戏foldit来收集对抗新型冠状病毒的智慧后，许多人问:为什么没有出现alphafold？

现在，它来了。

深度思维拍摄并使用阿尔法折叠来对抗流行病

deepmind说:“我们感谢许多其他实验室的工作，如果没有全世界研究人员的努力，这些工作是不可能完成的。”

只有当全世界，特别是中国，公布了新型冠状病毒的研究数据，他们才能发现这样的结果。

自从alphafold问世以来，deepmind一直在优化这个系统，希望它会更强大。sars-cov-2相关蛋白结构的预测是他们最新研究成果的体现。

他们的模型还包括每个残差的置信度，以帮助指出结构的哪些部分更可能是正确的。

然而，deepmind还补充说，它只提供缺乏合适模板或难以建模模板的蛋白质的预测。科学家尚未研究的这些蛋白质可能不是当前的焦点，但可能有助于研究人员理解sars-cov-2。

一般来说，理解蛋白质的结构可以为理解其功能提供重要的资源，但是确定这种结构可能需要几个月甚至更长的时间。

现在，deepmind已经把他们的蛋白质结构预测放到了互联网上，供全世界的研究人员免费下载。

为什么深度思维会这么快？它背后的力量来自阿尔法狼。

阿尔法福如何实现加速？

与传统的预测蛋白质三维结构的方法不同，α折叠只能根据蛋白质基因序列预测蛋白质三维结构。

这是一项非常复杂的任务。

基因序列只包含蛋白质组分氨基酸残基的序列信息，这些氨基酸残基会形成长链。预测这些长链如何折叠成复杂的三维结构被称为“蛋白质折叠问题”。

蛋白质越大，氨基酸之间的相互作用越多，建模越复杂，就越困难。

正如levinthal悖论所指出的，在找到蛋白质的正确三维结构之前，要列出一种典型蛋白质的所有可能构型，需要比宇宙存在时间更长的时间。

Deepmind引入了神经网络来解决这些问题。

首先，他们训练了一个神经网络来预测蛋白质中每对残基之间的距离分布。然后，这些概率被组合成一个分数来估计蛋白质结构的准确性。

此外，deepmind还训练了一个单独的神经网络，根据所有距离的总和，并根据这些评分函数，评估初步给出的蛋白质结构与正确答案的接近程度，以找到预测的结构。

在神经网络模型和强大计算能力的支持下，阿尔法折叠不仅耗时更少，而且比以前的任何模型都有更精确的结果。自2018年问世以来，它吸引了全世界的关注。

从那以后，deepmind一直在投资资源来优化alphafold。

如今，这种流行病在全球化中肆虐，主要的技术巨头都卷入其中。没有人能对此免疫。现在是“贡献”共同抗击疫情的时候了。

此外，这也是对他们技术的验证:在实验中效果很强，但在实践中如何呢？

~是时候出去散步了~

来源：零点娱乐时刊