交流评论、关注点赞

  • Facebook Icon脸书专页
  • telegram Icon粉丝交流群
  • telegram Icon电报频道
  • RSS订阅禁闻RSS/FEED订阅
禁闻网 > 国际新闻 > 正文

DeepMind最新AI可准确预测蛋白质折迭方式

2020年12月03日 8:07 PDF版 分享转发

来源:  作者: Chris Velazco 编译: 郑典

（博谈网记者郑典编译报道）据《Engadget》2020年12月1日（周二）报导。

（图片来源：Debstar/Wikimedia/CC BY-SA 3.0）

由拥有的DeepMind可能因构建击败世界一流的Go player的AI而闻名，但该公司当地时间12日1日早晨宣布了另一个也许更重要的突破。DeepMind的AlphaFold 2 AI作为第14次结构预测关键评估（CASP）工作的一部分，已经表明它可以猜测某些蛋白质将如何以惊人的准确度折迭。在某些情况下，这些结果被认为与实际的实验数据具有‌‌“竞争性‌‌”。

尽管CASP已经运行了26年，但在过去的几年中，科学界已经能够在计算能力和方面带来巨大的飞跃，以应对挑战。在DeepMind的案例中，这涉及在大约170,000种已知蛋白质结构以及尚未确定3D结构的大量蛋白质序列中训练AlphaFold 2的预测模型。

团队承认，该测试数据与2018年使用的测试数据非常相似，当时原始的AlphaFold系统在CASP 13中获得了最高分。（当时，组织者对DeepMind预测蛋白质结构体的计算方法的能力前所未有的进步表示赞赏。）

除此之外，DeepMind还依赖于的约128个云端基础的TPUv3内核，这最终使AlphaFold 2能够在短短几天内（即使不是很快）准确确定蛋白质的结构-美媒指出，在某些情况下，预测可以在几个小时内生成。

所有这些听起来都令人印象深刻-的确如此-但仍有许多工作要做。总体而言，与过去几年相比，AlphaFold的结果代表了准确性的显著提高，并且如前所述，DeepMind的一些预测非常准确，足以与原子级的实验结果相媲美。

但是，该公司指出：‌‌“对于最困难的蛋白质目标，即那些最具挑战性的自由建模类别，AlphaFold的平均得分为87.0 GDT‌‌”–略低于CASP联合创始人Moult用来比较结果与真实数据的90 GDT度量标准障碍。换句话说，DeepMind尚未完全解决蛋白质解决问题，但它比许多人想象的要近。

阅读原文
 

 

请点赞转发分享👇👇👇Follow Us 责任编辑：石岚
本文标签：, , , ,