谷歌DeepMind 開發新 AI 工具:利用基因序列預測蛋白質結構

2020-11-29 IT之家

北京時間12月4日早間消息，據美國《麻省理工科技評論》（MIT Technology Review）報導，谷歌旗下DeepMind開發一個新AI工具，它可以利用基因序列預測蛋白質結構。

新工具叫作「AlphaFold」，可以給長鏈胺基酸的摺疊模式構建模型，製作蛋白質3D模型，這是基於長鏈胺基酸的化學相互作用。這種摺疊模式被取名叫作蛋白質摺疊（protein folding），幾十年來一直困擾科學家。

蛋白質的形狀決定了身體的機能，如果能預測蛋白質架構，就能合成新蛋白質藥物，治療疾病，或者合成新的酵素，分解環境汙染物。

DeepMind訓練神經網絡，預測胺基酸對之間的距離和化學鍵的角度，利用海量基因組序列數據進行預測。系統會生成高度精準的蛋白結構信息，比之前的預測技術更加精準。

不只DeepMind在做這方面的研究，其他一些企業和研究人員也在利用算法尋找新藥物和新材料。

相關焦點

  • DeepMind正在開發可以利用基因序列預測蛋白質結構的新AI工具
    打開APP DeepMind正在開發可以利用基因序列預測蛋白質結構的新AI工具 電子發燒友 發表於 2018-12-04 16:09:28
  • AlphaGo之後,DeepMind重磅推出AlphaFold:基因序列預測蛋白質結構
    如今，該公司已將人工智慧技術應用到最具挑戰性的科學研究問題中，其剛剛推出的 AlphaFold 可以僅根據基因「代碼」預測生成蛋白質的 3D 形狀。DeepMind 表示，AlphaFold 是「該公司首個證明人工智慧研究可以驅動和加速科學新發現的重要裡程碑」。
  • AI醫療新進展,谷歌DeepMind基於基因序列預測蛋白質的三維結構
    甚至還有一個眾包遊戲（FoldIt）試圖利用人類的直覺來預測可行的蛋白質形式。 但是對三維結構進行建模是一項非常複雜的任務，因為蛋白質摺疊可能存在多種排列方式，這取決於諸如各種胺基酸之間的相互作用等因素。
  • DeepMind推出蛋白質結構預測算法,大勝人類傳統模型!
    然而，純粹從其基因序列中找出蛋白質的3D結構是一項非常具有挑戰性的複雜任務。由於我們的DNA通常只包含蛋白質中胺基酸殘基的序列信息，而這些胺基酸殘基形成的長鏈將會摺疊成錯綜複雜的3D結構。這就是所謂的「蛋白質摺疊」問題。而蛋白質越大，需要考慮的胺基酸之間相互作用就越多，對其結構的建模過程就會更加複雜和困難。
  • 向李昌鈺學破案,這是Deepmind預測蛋白質結構的秘密研究方法嗎?
    不，我們要向李昌鈺博士學習破案手段，絕不放過任何蛛絲馬跡，靠豐富的想像力，進行推理，看能否找到Deepmind預測蛋白質結構的秘密研究方法。人算不過來，就讓計算機算唄，可以通過輸入胺基酸序列來讓計算機預測蛋白質可能的摺疊方式，很可惜，之前的算法仍不夠準確。但是人工智慧的算法提高了預測的準確率，所以由上文提到到的，新的算法AlphaFold 可以僅根據基因預測生成蛋白質的三維形狀。
  • 生物學50年難題被DeepMind解決了,蛋白質版「阿法狗」預測結構準確...
    CASP始於1994年，是蛋白質結構預測的評估標準和全球社區，評價每兩年進行一次。△圖源：Science從1994年起，隨著技術的進步，蛋白質的預測準確性在不斷增加，而在今年，迎來了重大突破，預測準確性得分達到了92.4/100。而這，便是DeepMind的AlphaFold 2系統帶來的。
  • DeepMind AI破解「蛋白質摺疊」難題,攻克生物學50年...
    美國時間11月30日，谷歌母公司Alphabet旗下人工智慧公司DeepMind公開宣布，生物學界50年來的重大難題——蛋白質摺疊預測，已被其成功攻克。通過迭代這個過程，系統可以對蛋白質的基本物理結構做出準確的預測，並能夠在幾天的時間內確定高度精確的結構。此外，AlphaFold 還可以使用內部置信度來預測每個預測的蛋白質結構的哪些部分是可靠的。AlphaFold系統所使用的數據，來自包括約170,000個蛋白質結構，以及未知結構的蛋白質序列的大型資料庫。
  • 50年難遇AI「諾獎級」裡程碑!DeepMind破解蛋白質摺疊難題
    DeepMind破解蛋白質摺疊難題，Nature：這可能改變一切剛剛，一個困擾生物學家50年的難題，被AI解決了。去年年底，谷歌DeepMind推出了一種名為AlphaFold（一個用人工智慧加速科學發現的系統，它基於蛋白質的基因序列，就能預測蛋白質的3D結構）的算法。
  • DeepMind AI破解「蛋白質摺疊」難題，攻克生物學50年巨大挑戰
    DeepMind在官方博客中稱：AlphaFold的最新版本，在通過胺基酸序列精確預測蛋白質摺疊結構方面，已經獲得權威蛋白質結構預測評估機構（Critical Assessment of protein Structure Prediction，CASP）的認可。
  • DeepMind AI破解「蛋白質摺疊」難題,攻克生物學50年巨大挑戰
    美國時間11月30日，谷歌母公司Alphabet旗下人工智慧公司DeepMind公開宣布，生物學界50年來的重大難題——蛋白質摺疊預測，已被其成功攻克。此外，AlphaFold 還可以使用內部置信度來預測每個預測的蛋白質結構的哪些部分是可靠的。AlphaFold系統所使用的數據，來自包括約170,000個蛋白質結構，以及未知結構的蛋白質序列的大型資料庫。在訓練時，它使用了大約128個 TPU v3內核 (大致相當於100-200個GPU) ，並僅運行了數周。這在當今機器學習中使用的大多數最先進的大型模型的上下文中是相對較小的計算量。
  • 谷歌DeepMind又在全球賽事中擊敗人類!AI成功預測蛋白質3D結構
    理論上來說，知道了 DNA 序列，就已經決定了其能夠翻譯出的胺基酸序列和蛋白質結構，但想要實現這種預測，中間涉及的計算難以想像。而近年來隨著基因測序技術和人工智慧的發展，使通過胺基酸序列來預測蛋白質結構成為可能。
  • 50年難遇AI「諾獎級」裡程碑!DeepMind破解蛋白質摺疊難題
    去年年底，谷歌DeepMind推出了一種名為AlphaFold（一個用人工智慧加速科學發現的系統，它基於蛋白質的基因序列，就能預測蛋白質的3D結構）的算法。今天，在有「蛋白質奧林匹克競賽」稱呼的國際蛋白質結構預測競賽（CASP）上，AlphaFold擊敗了其餘的參會選手，能夠精確地基於胺基酸序列，預測蛋白質的3D結構。
  • DeepMind破解蛋白質摺疊難題
    去年年底，谷歌DeepMind推出了一種名為AlphaFold（一個用人工智慧加速科學發現的系統，它基於蛋白質的基因序列，就能預測蛋白質的3D結構）的算法。胺基酸序列，預測蛋白質的3D結構。這個假設引起了長達五十年的探索，即僅僅基於蛋白質的 1D 胺基酸序列就能夠計算預測蛋白質的 3D 結構。然而，這個假設面臨的一個主要的挑戰是，理論上蛋白質在進入最終的 3D 結構之前可以摺疊的方式數量是一個天文數字。
  • DeepMind開源AlphaFold,蛋白質預測模型登上《Nature》
    代碼：https://github.com/deepmind/deepmind-research/tree/master/alphafold_casp13模型：https://www.biorxiv.org/content/10.1101/846279v1.full.pdf根據DeepMind的介紹，在預測蛋白質結構的物理性質方面使用了兩種不同的方法來構建預測模型
  • AI破解蛋白質摺疊難題,施一公等結構學家未來的創新點將在哪裡?
    從人類基因組計劃開始，人類相信只要獲得了人類基因的「樂譜」，就能按圖索驥，解釋生命生理過程中的諸多機制。但從基因轉錄、翻譯再到胺基酸序列之後，科研界就似乎進入了一個極為狹窄的胡同，因為他們遇到了蛋白摺疊。
  • AlphaFold抗疫,DeepMind公布六種新冠病毒蛋白質結構預測結果
    在昨天發表的博客文章中，DeepMind 表示，他們用 AlohaFold 生成了六種可能與新冠病毒有關的蛋白質結構預測結果，而且已經開放下載。這一結果可能對新冠病毒疫苗研發等工作起到推動作用。DeepMind 開放的新冠病毒蛋白質結構預測結果下載連結：https://storage.googleapis.com/deepmind-com-v3-datasets/alphafold-covid19/structures_4_3_2020.zip為什麼要用深度學習預測新冠病毒蛋白結構？
  • 谷歌開發AI系統預測蛋白結構取得革命性突破
    AI的DeepMind團隊開發的基於人工智慧神經網絡的名為AlphaFold的工具近日在今年的國際蛋白質結構預測競賽（CASP14）中拔得頭籌，並且大幅度領先第二名，成為「一騎絕塵」（圖1）。在過去的幾十年中，我們已經利用X射線晶體衍射、核磁共振（NMR）或冷凍電鏡（CryoEM）等實驗手段確定了171588（PDB資料庫中最新收錄情況）個蛋白質的3D結構，但與自然界中幾千萬條已知基因序列相比，這些結構仍然只佔據了很小一部分，同時上述蛋白結構解析手段都比較耗時費力。為了填補這之間的巨大空隙，蛋白質結構預測一直是科學家們研究的熱點和努力解決的重大生物問題之一。
  • 從AlphaGo到蛋白質摺疊,Deepmind在不斷捅破AI領域的天花板!
    #近日，又一世紀級難題被AI迎刃而解：谷歌旗下子公司Deepmind通過AI建立的算法模型，成功精準預測了蛋白質的摺疊方式，這將對人類了解重要的生物學過程和治療新冠等疾病起到十分關鍵的作用。成立至今，不斷突破AI技術天花板併入谷歌之後，利用谷歌龐大的伺服器計算資源，成功開發出了AlphaGo，戰勝世界圍棋大師李世石的事跡相信大家也很清楚。
  • DeepMind新GNN模型,將谷歌地圖預估到達準確率提升50%!
    【新智元導讀】Google Maps是使用最廣泛的地圖app之一，其能預測交通情況的能力使其成為許多司機不可或缺的工具。近日，DeepMind宣布與其合作，幫助Google Maps變得更準確。你是不是也經歷過這樣的故事？
  • DeepMind宣布解決蛋白質摺疊問題，獲92.4準確性得分
    CASP始於1994年，是蛋白質結構預測的評估標準和全球社區，評價每兩年進行一次。通過重複這一過程，該系統對蛋白質的潛在物理結構進行了強有力的預測，並能夠在幾天內確定高度準確的結構。之後，研究人員在公開的數據上訓練了這個系統，這些資料庫包括大約170000個蛋白質結構，其中便有許多未知結構的蛋白質序列。