-
日期: 2024-10-09 | 来源: 果壳 | 有0人参与评论 | 字体: 小 中 大
今年的诺贝尔化学奖颁给了两组研究者，他们制造的分析工具极大地提升了蛋白质研究的效率，为生物科学研究和应用带来了不可估量的巨大影响。
2024年诺贝尔化学奖的主题是蛋白质。化学奖得主大卫·贝克构建出全新的蛋白质，成功完成了几乎不可能的壮举。戴密斯·哈萨比斯与约翰·朱默帕开发了一种人工智能模型，解决了一个 50 年前的问题：预测蛋白质的复杂结构。
AlphaFold：
又快又准的蛋白质结构预测
一组获奖者是戴密斯·哈萨比斯（Demis Hassabis）与约翰·朱默帕（John M. Jumper），他们参与创造了AI蛋白质结构分析工具AlphaFold。
蛋白质的功能是由分子的三维空间结构决定的，因此，想要真正地理解蛋白质如何发挥作用，科学家们就必须准确地掌握蛋白质的空间结构。
蛋白质通常由20种氨基酸组成，但它们可以组合成无数种方式。氨基酸链会扭曲和折叠成一个独特的（有时是独一无二的）三维结构，正是这种结构赋予了蛋白质功能。
了解组成蛋白质的氨基酸序列是容易的，但确定它具体的空间结构却相当困难。在过去，确定蛋白质结构依赖X射线衍射、冷冻电镜等实验方法。这些方法相当耗时：在晶体时代，弄清一个晶体结构往往就会消耗一个博士生的整个求学生涯。虽然也有早期的分析软件可用，但它们往往不够准确，参考价值有限。
而AlphaFold的过人之处就在于它不仅非常快，而且相当准确，因此大大提高了蛋白质研究的效率。
蛋白质结构预测的里程碑式事件是在2020年的CASP14上，AlphaFold2预测蛋白质的分辨率达到了近原子级别。更重要的是，这些结构在细节上是“对”的——也就是说，在药物筛选等研究场合，AI的预测结果变得很有用。
在速度上，AlphaFold2也远远甩开了实验手段：消耗一个博士生几个月甚至几年的时间才能得到的结构，一张GPU花半个小时就可以得到一个近似的，这在之前是无法想象的。正是依靠这样的效率，AlphaFold在很短的时间内就预测了六七亿个蛋白质结构。
从2018年的1代到2024年的3代，AlphaFold经历了巨大的升级改进。从采用经典卷积神经网络架构的初始模型，到引入能力更强的Transformer架构、预测准确率史无前例的2代模型，再到能够预测“几乎所有分子类型”的蛋白质复合物结构的3代模型，能力不断飞跃。
- 新闻来源于其它媒体，内容不代表本站立场！
-
原文链接
原文链接:
目前还没有人发表评论, 大家都在期待您的高见