朗讀解決生物學50年來的重大挑戰，AI能根據氨基酸序列精確預測蛋白結構？第解決生物學50年來的重大挑戰，AI能根據氨基酸序列精確預測蛋白結構？

《解決生物學50年來的重大挑戰，AI能根據氨基酸序列精確預測蛋白結構？》
生輝SciPhi由 Google AI 開發的人工智能（AI）網絡使 DeepMind 脫穎而出，在解決生物學最嚴峻的挑戰之一方面取得了巨大飛躍-從蛋白質的氨基酸序列確定蛋白質的 3D 形狀。DeepMind 的名為 AlphaFold 的程序在兩年一次的稱為 CASP 的蛋白質結構預測挑戰賽中勝過其他 100 個團隊，CASP 是結構預測的關鍵評估的縮寫。“這很重要，”馬裏蘭大學公園分校的計算生物學家 John Moult 說。他於1994年與人共同創立了 CASP ，以改進精確預測蛋白質結構的計算方法。“從某種意義上說，問題已經解決。”從氨基酸序列准確預測蛋白質結構的能力將對生命科學和醫學帶來巨大的好處。這將極大地加快了解細胞組成部分的工作，並使更快，更先進的藥物發現成為可能。AlphaFold 在上一屆（2018年）CASP中名列前茅，這是總部位於倫敦的 DeepMind 參加的第一年。但是，今年，該機構的深度學習網絡比其他團隊領先，而且科學家說，它們的表現令人難以置信，可以預示生物學革命。“這是改變遊戲規則的事物，”德國圖賓根馬克斯·普朗克發展生物學研究所的進化生物學家Andrei Lupas說，他評估了 CASP 中不同團隊的表現。AlphaFold 已經幫助他找到了困擾他實驗室十年的蛋白質結構，他希望這種結構將改變他的工作方式和解決的問題。“這將改變醫學。它將改變研究。它將改變生物工程。它將改變一切。” Lupas 補充說。在某些情況下，AlphaFold 的結構預測與使用“金標准”實驗方法（例如X射線晶體學和近年來的冷凍電子顯微鏡）確定的結構預測沒有區別。科學家表示，AlphaFold 可能不會消除對這些費力且昂貴的方法的需求，但 AI 將使人們有可能以新的方式研究生物。AlphaFold 不太可能關閉像施一公這樣使用實驗方法來解決蛋白質結構的實驗室。Lupas 說：“這將使新一代的分子生物學家能夠提出更高級的問題。” “這將需要更多的思考和更少的移液操作。”“這是一個我一生都無法解決的問題，”英國欣克頓歐洲分子生物學實驗室-歐洲生物信息學研究所的結構生物學家，前 CASP 評估員 anet Thornton 說。她希望這種方法可以幫助闡明人類基因組中數千種未溶解蛋白的功能，並弄清人與人之間不同的致病基因變異。AlphaFold 的性能也標志著 DeepMind 的轉折點。該公司以運用 AI 來熟練掌握 Go 等遊戲而聞名，但其長期目標是開發能夠實現廣泛的，類似於人類的智能的程序。Hassabis 說，應對巨大的科學挑戰，例如蛋白質結構預測，是 AI 可以實現的最重要的應用之一。“就現實世界的影響而言，我確實認為這是我們所做的最重要的事情。”參考資料：https://www.nature.com/articles/d41586-020-03348-4-End-

《解決生物學50年來的重大挑戰，AI能根據氨基酸序列精確預測蛋白結構？》完，請繼續朗讀精采文章。
喜歡 小編的世界 e4to.com，請記得按讚、收藏及分享！