顛覆生物學!AlphaFold成功預測蛋白質結構

2021-02-12 Nature自然科研

每屆CASP會持續好幾個月。比賽中會定期給出目標蛋白質或蛋白質結構域——總共100個左右，讓團隊有幾周的時間來提交他們預測的結構。隨後，一支由獨立科學家組成的團隊利用各類指標對預測結果進行評估，這些指標主要判斷團隊預測的蛋白質與實驗解析的結構有多相似。評審專家並不知道預測是誰做的。 

AlphaFold的預測用被稱為「427組」，多個預測達到了驚人的準確性，讓它們脫穎而出，Lupas說。「我猜到了是AlphaFold，大部分人都猜到了。」他說。

AlphaFold的預測水平有高有低，但將近三分之二的預測結果都與實驗結果在質量上不相上下。有些情況下，Moult說，我們甚至不知道AlphaFold的預測和實驗結果之間的差異究竟是預測上的錯誤還是實驗中的偽跡。

AlphaFold的預測結果與利用核磁共振光譜技術解析的實驗結構匹配度較差，但這可能和原始數據轉為模型的方式有關，Moult說。AlphaFold在模擬蛋白複合物/群組的單體結構方面也顯困難，因為它們與其他蛋白質的相互作用會扭曲其形狀。

整體來說，今年參賽團隊的預測結果較上一屆更加準確，但主要進步還是來自AlphaFold，Moult說。預測準確度以100分為滿分，在難度中等的目標蛋白質中，其他團隊的最好成績一般是75分，而AlphaFold能拿到90分左右，Moult說。

約半數團隊在摘要裡概括他們的方法時都提到了「深度學習」，Moult說，說明了AI對該領域的影響力不容小覷。參加CASP14的大部分團隊都有學術背景，但也有微軟和騰訊這樣的團隊。

紐約哥倫比亞大學的計算生物學家Mohammed AlQuraishi也參加了CASP，他迫切想要了解AlphaFold在比賽中的表現細節，他準備在12月1日DeepMind團隊演示他們的方法時，好好研究一下這個系統的工作方式。他說，雖然可能性不大，但也有可能是因為這次的目標蛋白質比平時簡單，才讓他們取得了如此好的成績。強烈的直覺告訴AlQuraishi，AlphaFold將是顛覆性的。

「我想可以這麼說，蛋白質結構預測領域將迎來一場顛覆。我懷疑許多人都會離開，因為該領域的核心問題已經解決了。」他說，「這是最高級別的突破，它絕對是我一生中看到的最重要的科學成果之一。」

相關焦點

  • 【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。
  • 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？
  • AlphaGo之後,DeepMind重磅推出AlphaFold:基因序列預測蛋白質結構
    周日，在墨西哥坎昆舉辦的一場國際會議中，DeepMind 的最新 AI——AlphaFold 在一項極其困難的任務中擊敗了所有對手，成功地根據基因序列預測出蛋白質的 3D 形狀。值得一提的是，AlphaFold 關注從頭開始建模目標形狀，且並不使用先前已經解析的蛋白質作為模板。AlphaFold 在預測蛋白質結構的物理性質上達到了高度的準確性，然後基於這些預測可以使用兩種不同的方法預測構建完整的蛋白質結構。
  • DeepMind開源AlphaFold,蛋白質預測模型登上《Nature》
    2018年的11月2日，在第13屆全球蛋白質結構預測競賽（CASP）上，AlphaFold獲得了預測43種蛋白中的25種蛋白結構的最高分，在98名參賽者中排名第一。對於DeepMind的預測方法，由於當時沒有具體論文發布，眾多學者認為是計算能力突出使得AlphaFold獲得冠軍。
  • 預測新冠病毒「蛋白質摺疊」重磅武器:AlphaFold!精度碾壓生物與...
    我們分享了幾種模型預測的病毒蛋白質結構，希望能為廣大研究人員提供一些幫助。我們相信新系統比我們早期的CASP13系統更準確。 此前，我們成功預測了一個蛋白質資料庫中經過實驗驗證的SARS-CoV-2棘突蛋白結構，這給了我們足夠的信心，新系統預測其他蛋白質結構也是有可能的。
  • 預測蛋白結構的AlphaFold，會砸了結構生物學家飯碗嗎？
    隨著海量的序列和結構數據積累，預測結構不再是根據胺基酸序列「空算」，而有了學習的依據。利用這17萬公開的蛋白質序列和結構數據，以及已知序列而未知結構的蛋白質資料庫，DeepMind 對 Alphafold 進行訓練。
  • AI解決生物學50年來重大難題:破解蛋白質摺疊,顛覆結構生物學
    11 月 30 日，一條重磅消息引發了科技界所有人的關注：谷歌旗下人工智慧技術公司 DeepMind 提出的深度學習算法「Alphafold」破解了出現五十年之久的蛋白質分子摺疊問題。最新一代算法 Alphafold 2，現在已經擁有了預測蛋白質 3D 摺疊形狀的能力，這一複雜的過程對於人們理解生命形成的機制至關重要。
  • AlphaGo顛覆生物圈,精準預測蛋白質結構
    02 蛋白質結構：生物學五十年來的挑戰 蛋白質是生命的基礎，與細胞組成內容緊密相關。而蛋白質的功能取決於其3D結構。除了實驗，隨著計算機的發展，該項技術在上世紀末便已用於預測蛋白質的結構，但效果並不理想。
  • 顏寧等點評:AI精準預測蛋白質結構,結構生物學何去何從?
    當然，他們不訓練contact map，直接訓練結構中的原子坐標，這是新的想法，以前沒人成功過。我很高興他們取得了突破，因為證明了蛋白質結構預測問題是可以解決的，我在15年前的PNAS論文上提出，用PDB庫中的模板在理論上可以解決這個問題，他們這次用暴力實現了。
  • AI精準預測蛋白質結構,結構生物學何去何從? | 返樸
    最終，谷歌旗下DeepMind公司的人工智慧系統AlphaFold2在2018年的Alphafold基礎上迭代創新，超常發揮，一枝獨秀，基本解決了「從胺基酸序列預測蛋白質結構」這個困擾人類50年的生物學第二遺傳密碼問題。
  • 顏寧等點評：AI精準預測蛋白質結構，結構生物學何去何從？
    傳統上，蛋白質結構預測可以分成基於模板和從頭預 測，但是AlphaFold2隻用同一種方法--機器學習，對幾乎所有的蛋白質都預測出了 正確的拓撲學的結構，其中有大約2/3的蛋白質精度達到了結構生物學實驗的測量 精度。說他們接近解決了這個問題，這個說法沒錯，至少是在單結構域的蛋白結構 來講是這樣的。谷歌這次為什麼能夠取得如此大的成功？這個首先是與它們擁有強大的人力和計算 資源有關。
  • DeepMind 團隊 CASP 奪冠:用 AlphaFold 預測蛋白質結構
    通過強有力的跨學科方法，DeepMind 匯集了結構生物學、物理學和機器學習領域的專家，應用前沿技術，僅僅基於蛋白質的遺傳序列來預測蛋白質的 3D 結構。 我們的系統，AlphaFold，在過去的兩年裡我們一直在努力研究它，它建立在多年前使用大量基因組數據預測蛋白質結構的研究基礎之上。
  • 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。
  • 解決生物學的重大挑戰！生物界AlphaGo精準預測蛋白質結構
    今日，DeepMind宣布，其新一代AlphaFold人工智慧系統，在國際蛋白質結構預測競賽（CASP）上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。其準確性可以與使用冷凍電子顯微鏡（CryoEM）、核磁共振或 X 射線晶體學等實驗技術解析的3D結構相媲美。這一突破被多家媒體稱為「變革生物科學和生物醫學」的突破。
  • AlphaFold:可根據基因預測生成蛋白質的結構
    AlphaFold：可根據基因預測生成蛋白質的結構2018-12-04 08:54出處/作者：網易科技整合編輯：小小鹿責任編輯：luocaixia1> 【12月3日消息】近日，谷歌旗下人工智慧研究公司DeepMind宣布，推出的 AlphaFold 可以僅根據基因代碼預測生成蛋白質的3D形狀。
  • AlphaFold2是什麼狗?(會後解讀)
    前言蛋白質結構預測問題是結構生物學一個裡程碑式的問題，每兩年，人類會組織一場蛋白質結構預測大賽，而在接下來的幾天，第十四屆，堪稱該領域奧林匹克的比賽，CASP14就要開始了。CASP用來衡量預測準確性的主要指標是 GDT，範圍為0-100。簡單來說，GDT可以近似地認為是和實驗結構相比，成功預測在正確位置上的比例。70分就是達到了同源建模的精度，根據Moult教授的說法，非正式的說，大約90 分可以和實驗結果相競爭！
  • 精準預測蛋白結構的AlphaFold,會砸了結構生物學家的飯碗嗎?
    解析蛋白質結構，現有的常用實驗方法有三種：核磁共振、X射線晶體學和冷凍電鏡。如今，已有約17萬蛋白質的結構經實驗破解，並上傳至蛋白質數據銀行（Protein Data Bank，PDB）公開。隨著海量的序列和結構數據積累，預測結構不再是根據胺基酸序列「空算」，而有了學習的依據。
  • 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。
  • 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。
  • 解決生物學50年來重大挑戰 生物界"AlphaGo"精準預測蛋白質結構
    具體而言，是DeepMind的第二代AlphaFold 在國際蛋白質結構預測競賽（CASP）上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。其準確性可以與使用冷凍電子顯微鏡（CryoEM）、核磁共振或 X 射線晶體學等實驗技術解析的3D結構相媲美。