Deepmind實現蛋白質3D結構精準預測,或將改變生命科學研究範式|...

2020-12-10 騰訊網

由於微信公眾號開始試行亂序推送，為了讓您在第一時間獲取學術圈新聞資訊，請將「科研圈」設為星標，並常點文末右下角「在看」。

「科研圈日報」主要關注科研圈與研究者個體、科研圈與更廣闊的社會環境之間的重要互動。點擊這裡可以查看往期內容。

· 人工智慧

DeepMind 實現精準預測蛋白質 3D 結構，突破蛋白質摺疊預測難題

當地時間 11 月 30 日，DeepMind 宣布其新一代 AlphaFold 人工智慧系統能夠基於胺基酸序列，精確預測蛋白質 3D 結構，在解決蛋白質摺疊問題方面取得了重要進展。這將加速研究人員對細胞組成成分的了解，有助於藥物的開發，促進生命科學和醫學的快速發展。

AlphaFold 在 11 月 30 日舉行的第 14 屆國際蛋白質結構預測競賽（CASP）上擊敗 100 多名參賽選手，蟬聯冠軍，《自然》新聞評價其表現遙遙領先。它利用深度學習，對結構和遺傳數據進行分析，以預測蛋白質中胺基酸對之間的距離，並基於這些信息構建出蛋白質外觀的「共識」模型。在某些情況下，AlphaFold 預測的結構可以和實驗室使用 X 射線衍射或冷凍電子顯微鏡（CryoEM）技術測定得到的標準 3D 結構相媲美，準確性極高。科學家評價，AlphaFold 目前還不會取代這些需要消耗大量人力和資金的實驗方法，但它使以全新方式研究生命成為可能。

CASP 全稱 The Critical Assessment of protein Structure Prediction，旨在對蛋白質結構預測進行評估，被譽為蛋白質結構預測的奧林匹克競賽。CASP 從 1994 年開始舉辦，每兩年一屆。在 2018 年舉行的上一屆 CASP 中，DeepMind 首次參加並取得冠軍。（DeepMind,Naturenews）

· 公共衛生

世衛警告抗瘧疾無進步，病亡人數或因新冠攀升

11 月 30 日，世界衛生組織發布《2020 全球瘧疾報告》。據該報告顯示，2019 年全球報告 2.29 億例瘧疾病例，自 2016 年以來基本保持同一水平；病亡人數一度迅速下降，而去年估算逾 40.9 萬人死於瘧疾，與 2018 年的 41.1 萬相比無顯著變化，大多數是非洲最貧窮地區的嬰幼兒。世衛組織警告，今年瘧疾致死病例數可能因新冠疫情佔用醫療服務資源而攀升，在非洲貧困地區，增加的瘧疾死亡病例甚至可能多於當地新冠病亡人數。（新華社）

· 航空航天

PNAS：使用火星滷水製備氧氣和燃料的高效新技術

為了利用火星表面常見的富含高氯酸鎂鹽的液態滷水，來自美國聖路易斯華盛頓大學麥凱維工程學院（McKelvey School of Engineering）的工程師開發出了可在模擬的火星大氣中（-36℃）下電解滷水製備氫氣和氧氣的裝置。該裝置較美國航空航天局（NASA）「毅力」號的火星氧氣原位資源利用實驗（MOXIE）」設備製備氧氣的效率更高，超出 25 倍，同時還能產生可用作燃料的氫氣。該技術可為未來的星際旅行提供支持，此外，研究者們還計劃在相對溫和的地球環境下部署該裝置，以利用鹹淡水或鹽水以高效、低成本的方式製備氫氣和氧氣。該研究結果於 11 月 30 日發表在《美國國家科學院院刊》（PNAS）上。（華盛頓大學，PNAS）

· 物理學

最精確的質子半徑測量結果揭曉

氫是宇宙中最常見和基礎的元素，但它的質子半徑大小仍是一個謎團。據一項發表於《科學》的新研究中，馬克斯·普朗克量子光學研究所的科學家通過利用高精度的頻梳技術（frequency comb technique），在高解析度的氫光譜中激發原子，使得對量子動力學的測試精確到了一個全新的水平，達到了小數點後 13 位。此外，他們進一步靠近了質子半徑大小的答案，其測得的質子半徑大小的結果為 0.8482（38）飛米（1 飛米=10-15米），精確度是此前所有測量結果的 2 倍。（環球科學，Science）

· 醫學健康

組織間液檢測可能有助於揭示健康問題

美國喬治亞理工學院研究團隊開發了一種微針貼片的方法，可從皮膚中分離組織間液（interstitial fluid）。這一檢測手段可以作為血液和尿液檢測等方法的補充，為研究和臨床實踐提供依據。研究人員將通過微針貼片方法採集的組織間液樣本與血漿樣本進行對比，發現兩者中葡萄糖、咖啡因和維生素 D 等重要化合物的水平基本相同。研究團隊稱，這意味著該方法可用於檢測這些化合物，並診斷與其相關的健康問題，例如糖尿病。相較於血液採集，這種組織間液採集方法更易操作，創傷更小，更易實現持續監測。該研究成果日前發表在《科學-轉化醫學》（Science Translational Medicine）。（新科學家，Science）

· 學術任命

華人科學家邢波出任全球第一所專注於人工智慧的應用大學校長

當地時間 11 月 29 日，穆罕默德·本·扎耶德人工智慧大學宣布，任命華人人工智慧科學家、卡耐基梅隆大學計算機科學學院教授邢波為院長。該校首批研究生計劃於 2021 年 1 月開始入校學習。

穆罕默德·本·扎耶德人工智慧大學是全球第一所專注於人工智慧領域研究生培養和科研應用的大學。2019 年 10 月 16 日，該校在阿布達比正式成立，致力於為人工智慧領域提供新的學術和研究模式，探索人工智慧在經濟和社會發展中的潛力。

邢波出生於上海，目前是卡耐基梅隆大學計算機科學學院的機器學習教授，也是卡耐基梅隆大學和匹茲堡大學機器學習與健康中心的創始主任。他的主要研究興趣是機器學習和統計方法。他是美國國防高級研究計劃局（DARPA）信息科學與技術（ISAT）顧問小組成員，美國國家科學基金會（NSF）職業生涯獎獲得者，曾擔任國際機器學習大會（ICML）主席。（澎湃新聞）

· 高校建設

教育部公布首批國家一流本科課程

· 疫情通報

11 月 30 日我國內地新增確診病例 12 例，其中本土病例 4 例（均在內蒙古）

根據國家衛健委官網通報，11 月 30 日 0—24 時，31 個省（自治區、直轄市）和新疆生產建設兵團報告新增確診病例 12 例，其中境外輸入病例 8 例（上海 2 例，福建 2 例，四川 2 例，北京 1 例，陝西 1 例），本土病例 4 例（均在內蒙古）；無新增死亡病例；無新增疑似病例。31 個省（自治區、直轄市）和新疆生產建設兵團報告新增無症狀感染者 5 例（境外輸入 4 例）；當日轉為確診病例 5 例（境外輸入 2 例）。截至 11 月 30 日 24 時，31 個省（自治區、直轄市）和新疆生產建設兵團累計報告確診病例 86542 例，累計死亡病例 4634 例。

根據世衛組織通報，截至歐洲中部時間 11 月 30 日 15:37（北京時間 11 月 30 日 22:37），過去 24 小時內全球新增確診病例 496,892 例，新增死亡病例 7,697 例：其中美國新增確診病例 143,211 例，新增死亡病例 1,210 例；巴西新增確診病例 51,922 例，新增死亡病例 587 例。全球累計確診病例 62,363,527 例，累計死亡病例 1,456,687 例。(國家衛生健康委員會，世界衛生組織）

編寫：陳夢圓、邱燕寧、謝一璇、李姍珊、戚譯引

編輯：李姍珊、戚譯引

——END——

點個「在看」，及時獲取最新學術資訊

https://pixabay.com/zh/illustrations/dna-genetics-molecule-biology-5

相關焦點

  • DeepMind推出蛋白質結構預測算法,大勝人類傳統模型!
    前幾天，DeepMind宣布推出全新的AlphaFold系統，能夠預測並生成蛋白質的3D結構。這一系統在周日進行的國際蛋白質結構預測競賽（CASP）上擊敗了其餘的參會選手。 我們都知道，蛋白質是維持我們生命所必需的龐大而複雜的物質。我們身體的幾乎所有功能，例如收縮肌肉、感知光線或將食物轉化成能量等，都需要一種或多種蛋白質來完成。
  • DeepMind 模型實現蛋白質3D結構預測
    蛋白質是生命中必不可少的大而複雜的分子。目前的方法是使用核磁共振、X射線晶體學或低溫電子顯微鏡來確定蛋白質的結構，但這些方法需要昂貴的設備，並且可能需要數年的廣泛試驗，研究某個蛋白質結構的成本高達數萬或數十萬美元。
  • 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?
    可能在社會責任感的感召下，人工智慧公司想在人類急需前沿科技的領域創造一些有價值、有意義的事情，比如生命科學。眾所周知，全世界頂級的圍棋選手人工智慧阿法狗之父，Deepmind公司最近又因為在生命科學領域的成就，上了科技界的熱搜榜。這個小成就就是，新的算法AlphaFold 可以僅根據基因預測生成蛋白質的三維形狀。
  • 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」。
  • AlphaFold抗疫,DeepMind公布六種新冠病毒蛋白質結構預測結果
    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？
  • 【AlphaFold精準預測蛋白結構】|蛋白質|胺基酸|生物學|複合物...
    第一代AlphaFold依託蛋白質資料庫PDB作為訓練數據集，構建神經網絡，採用深度學習預測胺基酸殘基間的方向和距離，混合傳統算法Rosetta對蛋白質結構進行同源建模、結構優化；與此不同的是，第二代AlphaFold則將摺疊蛋白質視為「空間圖」，基於神經網絡系統進行「端到端」的訓練，使用了進化相關的胺基酸序列，多序列比對以及對胺基酸對的評估來優化結構預測。
  • 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
  • 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...
    鄭集楊 發自 凹非寺量子位 報導 | 公眾號 QbitAI一早醒來，發現搞蛋白質結構研究的朋友都在紛紛自嘲：要失業了。啊這，怎麼回事？原來是結構生物學，迎來了一個「革命性」的突破。
  • 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。AlphaFold將「改變一切」 如果把基因組序列比喻為標識一個人的身份信息，蛋白質的三維結構就是一個人的身形容貌。預測蛋白質結構變化的重要意義在於，包括癌症、痴呆等幾乎所有疾病，都與細胞內蛋白質結構變化相關，如果能夠掌握蛋白質結構的變化，將對疾病的預防、治療等帶來重要影響。
  • 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
    在 AlphaGo 徵服了 Atari 經典遊戲，並在西洋棋和中國圍棋中達到超人表現之後，DeepMind 現在將其人工智慧轉向了人類科學中最棘手的醫療領域。現在，DeepMind 或許已經實現了預測功能。
  • DeepMind精準預測蛋白質結構
    每兩年，CASP都會以實驗室最新研究出的蛋白質結構為目標，開展一次蛋白質結構預測比賽。各參賽團隊在不知道該目標蛋白質的情況下，以功能需求為導向，設計該蛋白質結構，CASP會將各團隊的預測結果與目標蛋白質的真實實驗數據相比對，進行評分。
  • 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用AI精準預測蛋白質結構
    創立於1994年的CASP，致力於促進蛋白質預測領域的研究，關注該領域的進展，以及建立最新的技術標準。每兩年，CASP都會以實驗室最新研究出的蛋白質結構為目標，開展一次蛋白質結構預測比賽。各參賽團隊在不知道該目標蛋白質的情況下，以功能需求為導向，設計該蛋白質結構，CASP會將各團隊的預測結果與目標蛋白質的真實實驗數據相比對，進行評分。
  • DeepMind破解蛋白質摺疊難題
    【新智元導讀】近日，DeepMind在預測蛋白質結構方面邁出了一大步！公司表示，其已經解決了關鍵的「蛋白質摺疊問題」，這個問題在生物圈已被研究50年之久。馬斯克、李飛飛等大佬紛紛點讚！DeepMind這一歷史性進展有助於加快藥物發現速度，對理解人類生命形成機制至關重要。剛剛，一個困擾生物學家50年的難題，被AI解決了。
  • AlphaGo顛覆生物圈,精準預測蛋白質結構
    一直以來，生物學家投入實驗，致力於尋找生命的奧秘，即：胺基酸序列（蛋白質的組成部分）是如何繪製出最終的形狀。 在過去，人們一直是通過實驗室來了解蛋白質的結構。比如，使用X射線束照射結晶的蛋白質，並將衍射光轉化為蛋白質原子坐標，由此掌握蛋白質的第一個完整結構。
  • DeepMind劃時代傑作!AlphaFold蛋白結構預測擊敗人類奪冠
    11月2日，在墨西哥坎昆舉行的第13屆全球蛋白質結構預測競賽（Critical Assessment of protein Structure Prediction，CASP）上。組織者宣布，DeepMind 的最新人工智慧程序 ——AlphaFold 在一項極其困難的任務中擊敗了所有對手，成功預測生命基本分子——蛋白質的三維結構。
  • 精準預測蛋白結構的Al,會砸了結構生物學家的飯碗嗎?
    當日，DeepMind在官網發布新聞稿，稱對於困擾生物學界50年的 「蛋白質摺疊」 難題，AlphaFold系統已成為業內專家認可的解決方案；Nature新聞更是以 「it wil change everything」（將改變一切）作為標題，指出DeepMind在解決蛋白結構問題上「邁出一大步」。
  • DeepMind 團隊 CASP 奪冠:用 AlphaFold 預測蛋白質結構
    近日，團隊發現了僅僅基於蛋白質的遺傳序列來預測蛋白質的 3D 結構的方法。雷鋒網 AI 科技評論編譯如下。 今天，我們非常興奮地與大家分享 DeepMind 在展示人工智慧研究如何推動和加速新的科學發現方面的第一個重要裡程碑。
  • 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。遊戲意味著有規則可循，所以在有一定規律可循的事情上，Deepmind可以發現其中的規律，並比人類做得更出色。因而，通過Deepmind開發的Alophafold發現蛋白質摺疊規律並成功預測，顯然也在情理之中。
  • DeepMind抗疫:預測新冠病毒相關蛋白結構
    對SARS-CoV-2相關蛋白結構預測，是他們最新研究成果的體現。他們的模型中，還包括每個殘差的置信度，來幫助指出結構的哪些部分更有可能是正確的。但DeepMind也補充道，只提供了缺乏合適模板或模板建模困難的蛋白質的預測，這些未被科學家研究的蛋白質，可能不是當前的焦點，但可能有助於研究人員理解SARS-CoV-2。