Re: [爆卦] DeepMind開發的AlphaFold解決了高懸48年

看板Gossiping作者davidwales (cluster)時間3年前 (2020/12/01 17:04)推噓4(5推 1噓 3→)

留言9則, 9人參與討論串3/3 (看更多)

※ 引述《jackliao1990 (jack)》之銘言： : https://deepmind.com/blog/article/alphafold-a-solution-to-a-50-year-old-gran : d-challenge-in-biology : Christian B. Anfinsen在1972年諾貝爾化學獎的獲獎感言中提出了一個假設:理論上蛋 : 白質的氨基酸序列應該完全決定其結構。這個假設顯示我們用1維氨基酸序列就能預測蛋 : 白質3維結構。 : 然而蛋白質在進入3維結構前，理論上可折疊方式的數量是天文數字，用暴力計算來列舉 : 一種蛋白質的所有可能結構需要的時間比宇宙的年齡還長。 : DeepMind公司為此開發了AlphaFold 2，用來解開蛋白質折疊問題-其複雜度比解決圍棋 : 問題的AlphaGo(複雜度10^171)高出129個數量級。這個AI一直以來受到"先射箭後畫靶" : 的作弊質疑，因此DeepMind決定接受馬克斯普朗克研究所蛋白質進化學系主任Andrei L : upas提出的挑戰：預測古細菌的膜蛋白。 : 十年來科學家雖然獲取了這個蛋白質的X光數據，但是一直無法理解它。AlphaFold 2輸 : 出了該蛋白質詳細圖像後，科學家用半小時進行驗證，實驗結果完全符合AlphaFold的預 : 測。 : AlphaFold 2系統的訓練方式如下:研究員把折疊蛋白質認作是一個空間圖，殘基是節點 : ，邊緣連接著非常接近的殘基。之後建立一個基於注意力機制的神經網路系統，並進行 : 端到端訓練。 : AI會試圖解釋這個圖的結構，同時對它構建的隱式圖進行推理。這個推理過程還會用到 : 生物學已知的知識進行完善(Ex.同源序列,多序列比對,氨基酸殘基對)。AlphaFold還使 : 用了內部可靠度指標來判斷結構中哪些部分是可靠的。重複這過程，該系統能在幾天內 : 確定正確結構。 : 研究員還在擁有17萬個蛋白質結構的數據庫上訓練AI。訓練進行了幾週的時間，使用大 : 約128個TPUv3內核（相當於100-200個GPU）。 : AlphaFold 2的GDT(蛋白質結構預測的評估標準)平均得分為92.4，這表示誤差不超過一 : 個原子大小，計算生物學家John Moult說："某種意義上，蛋白質折疊問題已經解決了。 : " : 哈薩比斯表示:"DeepMind背後的終極願景一直是構建通用AI，利用通用AI來極大地加速 : 科學發現的步伐，幫助我們更好地了解周圍世界。" : 想要理解蛋白質摺疊問題可以先把它簡化成成一個生物網絡這個生物網絡有節點(node,胺基酸)和邊(edge 胺基酸之間的作用力大小) 當蛋白質的胺基酸開始捲曲在一起的時候這個生物網絡開始有一些拓樸上的變化你可以想像捲曲前的胺基酸可以攤開在一張紙(R^2)上但是當所有的胺基酸捲曲在一起的時候這時候交互作用力變得異常複雜這時原本的2維的生物網絡(R^2) 就不足以描述系統的一個捲曲的狀態而必須透過一個比R^2更高維的空間這個空間是 R^3 R^4 還是 T^2 T^3 (T:torus) .... 沒有人能夠事先預測如果這個研究能夠再給定蛋白質的一級結構的資訊後就用預先知道胺基酸摺疊起來之後的那個維度空間是什麼那真的是非常重要的科學發現! -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 140.117.32.17 (臺灣) ※ 文章網址: https://www.ptt.cc/bbs/Gossiping/M.1606813472.A.55E.html ※ 編輯: davidwales (140.117.32.17 臺灣), 12/01/2020 17:06:02 ※ 編輯: davidwales (140.117.32.17 臺灣), 12/01/2020 17:08:02

推

YJM1106

12/01 17:14, 3年前 , 1^F

12/01 17:14, 1^F

→

spirit119

12/01 17:14, 3年前 , 2^F

12/01 17:14, 2^F

推

bradyhau106

12/01 17:17, 3年前 , 3^F

12/01 17:17, 3^F