人工智能预测蛋白质(人工智能未来发展预测)

人工智能预测蛋白质(人工智能未来发展预测)

继alphago征服Atari Classic之后，继象棋和超人在中国的表现之后，Deepmind现在将人工智能转向了人类科学中最难的医学领域。现在，DeepMind可能已经做出了预测。

会上，主办方在第十三届全球蛋白质结构预测结构预测中，最新人工智能Casp，深度，打败了大家：成功预测了生命基本分子蛋白质的三维结构。CASP也被认为是蛋白质结构领域的“奥林匹克竞赛”。

“蛋白质折叠”是一种不可思议的分子折纸形式，非常神秘。这是一个影响深远的问题，科学界很少讨论。所有生物都是由蛋白质组成的，蛋白质的结构决定了它的功能。当AI理解了蛋白质的折叠方法，我们可以期待人类进入一个科学和医学的新时代。

正如深刻创始人兼首席执行官戴密斯哈萨比斯所说，“这对我们来说是一个非常关键的时刻。这是一个灯塔工程，是人力物力的第一次重大投入。这也是一个非常重要的、现实世界的科学问题。”

图戴密斯哈萨比斯(来源：谷歌)

为什么我读蛋白质？

在计算机世界里，只有0和1。从某种程度上来说，生命的本质其实是四种不同基础的结合。

包含整个生命密码的DNA只有四个基本组成部分。这种四个不同碱基的排列方式翻译了64个密码子(每三个相邻的mRNA碱基构成一个密码子)，20多个密码子对应整个地球生命系统中的20多个。氨基酸，以及20多种氨基酸，结合了数千到数十亿种不同的蛋白质。

蛋白质是所有生命系统的物质基础，密切参与从引发免疫反应到大脑的每一个生理过程。如果基因由长寿剂组成，蛋白质就是长寿的物质。没有蛋白质，就没有生命。

与DNA密码不同，真正决定不同蛋白质性质和功能的不仅是不同氨基酸的排列，还有氨基酸链的三维结构。氨基酸链扭曲弯曲形成不同的蛋白质，所以有几百个氨基酸的蛋白质可以表现出许多惊人的不同结构：100倍，或者300年后的100倍。

图|。从DNA到蛋白质的三维结构(来源：profacgen.com)

蛋白质只有具有适当折叠的3D构型，才能发挥相应的生物学功能。蛋白质四级结构的折叠受到大量非共价相互作用(如氢键、离子键、范德尔斯图尔和疏水效应)的影响，希望能够精确测量蛋白质在分子水平的三维结构。

为了研究蛋白质的结构，发展了结构生物学。在60多年的历史中，它一直被用来分析蛋白质的结构。

1959年，PEDZ和KFRU分析了血红蛋白和肌肉血液的结构，解决了三维结构，获得了1962年诺贝尔化学奖。后来哈特曼和卡勒建立了X射线分析的纯数学理论，确定了X射线分析的晶体结构。它在整个晶体研究中具有划时代的重要性，特别是在大分子生物量的研究中，如激素、抗生素、蛋白质和新类型。药物的分子结构在1985年诺贝尔化学奖中发挥了重要作用。2017年诺贝尔化学奖由三位科学家发明了制冷电子显微镜技术，以奖励他们对生物分子高分辨率结构的贡献。

但是，为了对生命现象有更深入的了解，为了更复杂的药物研发，仅仅依靠这种“观察”的方法来研究蛋白质的结构，确实难以满足需求，而且测量复杂蛋白质的结构通常需要花费大量的时间和成本，甚至不一定准确。

理论上，已知的DNA序列已经决定了它可以确定它可以改造氨基酸序列和蛋白质结构，但是要实现这个预测，涉及的计算是不可想象的。近年来，随着基因测序技术和人工智能的发展，可以通过氨基酸序列预测蛋白质的结构。

图DeepMind官网上的alphafold报告

alphafold赢得人类

1994年，由美国科学家约翰莫尔特发起的全球蛋白质结构预测竞赛(CASP)举办了一两年，旨在吸引计算机科学等不同领域的专家，以蛋白质三维结构预测为目标参赛，挑战生物信息学，共同评估发展态势，探讨未来趋势。

这种对人类AI的滥用也会转移人们对蛋白质三维结构预测的注意力。深度开发的AI程序“alphafold”参加了蛋白质结构预测和评估的最新比赛。

比赛期间，工作人员会为各队提供氨基酸序列。蛋白质中的这些结构已经提前被打破了，只是没有公之于众。最终提交最准确预测的团队将赢得比赛。

第一次参赛的Alphafold在98个参赛团队中排名第一，43个预测的蛋白质中，有25个在蛋白质中，只有3个是第二团队。

(来源：深度)

为了开发alphafold，Deepmind使用了数千个已知的蛋白质训练神经网络，直到它能够独立预测氨基酸的3D结构。对于新的蛋白质，alphafold使用神经网络来预测氨基酸对之间的距离以及它们化学键之间的角度。接下来，alphafold调整结构，寻找最节能的氨基酸装置。该计划花了两周时间来预测它的第一个蛋白质结构，但现在你可以预测几个小时。

蛋白质的3D结构取决于其所含氨基酸的数量和种类，结构也决定了蛋白质在体内的作用。例如，心脏细胞上折叠的蛋白质可以识别血液中的肾上腺素，提高心率。免疫系统中的抗体也是折叠成特定结构的蛋白质，可以阻挡细菌的入侵。从肌肉的收缩，对光的感知将食物转化为能量，这可以追溯到蛋白质的结构和运动。

通常，蛋白质具有最有效的结构，但它们是折叠的，这将导致

致糖尿病，帕金森和阿尔茨海默病。如果科学家可以从化学成分预测蛋白质结构，他们可以弄清楚这些蛋白质如何以及它们如何造成伤害，并设计新蛋白质以对抗疾病或履行其职责。例如，可以设计新的蛋白质溶液中的塑性污染。

（资料来源：马萨诸塞州科技评论）

在比赛中，阅读大学大学利亚姆麦克夫渡，领导着英国的最高分。他说，“今年深入似乎推动了竞争标准，我真的想了解更多关于他们的预测方法，虽然我们的资源不足，我们仍然可以保持竞争力。”

“预测蛋白质折叠结构的能力是一个大问题。解决了许多21世纪的重要意义，它将对健康，生态和环境产生重大影响，基本上解决了涉及生命系统的所有问题。包括我们很多多年来一直在使用基于机器学习，深度学习和人工智能的方法，这些方法越来越受到影响。我非常乐观，我们将真正解决20世纪20年代的这个领域。麦克福特说。

Hassabis说我们还有很多工作要做。 “我们没有解决蛋白质折叠问题，预测只是第一步。蛋白质折叠是一个非常具有挑战性的问题，但我们有一个良好的系统，我们有一些尚未实施的想法。”

“母语alphago年龄”深，抓住Ai +生命科学

深刻的众所周知，2016年是众所周知的。当时，他们开发的AI算法击败了Go World Champion Li Shishi，然后在2017年在中国击败了顶级国际象棋，在中国击败了这一棋子。它是在Wushuang Go Summit中，Hassabis说alphago将退休，但DeepMind的AI探索将继续。

这场比赛是深度人工智能项目的一个很好的测试基础，但征服游戏不是他们的最终目标。 Hassabis不止一次，在公共情况下，团队的目标是发展类似于解决生活科学问题，发现新材料，帮助探索宇宙。根据Hassabis的说法，在未来十年，alphano的迭代产品将成为科学家和医学专家，并排工作，这将对我们的生活产生根本影响。

并查看2018年披露的AI文件，这是其在生命科学领域研究的重要结果。

（来源：深度）

在脑科学领域非常关注深度，今年5月9日，该团队在世界顶级学术杂志本质上发表了沉重的成果，利用深入学习了生物的空间导航能力，足以协助传统的神经科学研究测试大脑的工作原理。人工智能计划已经用哺乳动物开发，这与Mebel细胞的工作原理非常相似。

又一次重要的人工智能成就，神经科学由深度发表，是在AI领域中使用成矿学习框架来研究我们研究过程中的多巴胺在大脑中的作用。这一新发现有望颠覆传统的神经科学研究方法，提供新的视角。该研究于今年5月在自然订阅中公布。

在疾病的诊断中，今年8月，在自然医学研究中，深麦芽和摩尔菲尔德眼科医院开发的AI算法可以识别50多种不同的眼部疾病，并且与人类临床医生一样准确，以及现有的医疗通过减少检查和诊断所需的时间，可以显着改善困境。 “这是一个非常激动人心的里程碑，临床医生和技术人员的可能性的另一个迹象在一起，”Deepmind今天说道。

（资料来源：马萨诸塞州科技评论）

除了发表论文外，深度目前还与许多医疗机构合作，开发新的医疗项目，包括与美国退伍军人事务部和英国国家医疗系统（NHS合作发展）开发人工智能技术AI医疗应用等

然而，作为最关心的谷歌之一，DeepMind仍然非常有争议：公司的研发投资巨大，尚未实现盈利能力，并且该项目涉嫌按照NHS涉嫌医疗数据。当然，这些问题不仅是这个AI正在面临的问题。 2018年，在这一领域的学术研究后，Deepmind一直是“初级展示”。 2019年，我们可以期待如何继续实施它。使命。