-
日期: 2024-10-09 | 來源: 果殼 | 有0人參與評論 | 字體: 小 中 大
今年的諾貝爾化學獎頒給了兩組研究者，他們制造的分析工具極大地提升了蛋白質研究的效率，為生物科學研究和應用帶來了不可估量的巨大影響。
2024年諾貝爾化學獎的主題是蛋白質。化學獎得主大衛·貝克構建出全新的蛋白質，成功完成了幾乎不可能的壯舉。戴密斯·哈薩比斯與約翰·朱默帕開發了壹種人工智能模型，解決了壹個 50 年前的問題：預測蛋白質的復雜結構。
AlphaFold：
又快又准的蛋白質結構預測
壹組獲獎者是戴密斯·哈薩比斯（Demis Hassabis）與約翰·朱默帕（John M. Jumper），他們參與創造了AI蛋白質結構分析工具AlphaFold。
蛋白質的功能是由分子的叁維空間結構決定的，因此，想要真正地理解蛋白質如何發揮作用，科學家們就必須准確地掌握蛋白質的空間結構。
蛋白質通常由20種氨基酸組成，但它們可以組合成無數種方式。氨基酸鏈會扭曲和折疊成壹個獨特的（有時是獨壹無贰的）叁維結構，正是這種結構賦予了蛋白質功能。
了解組成蛋白質的氨基酸序列是容易的，但確定它具體的空間結構卻相當困難。在過去，確定蛋白質結構依賴X射線衍射、冷凍電鏡等實驗方法。這些方法相當耗時：在晶體時代，弄清壹個晶體結構往往就會消耗壹個博士生的整個求學生涯。雖然也有早期的分析軟件可用，但它們往往不夠准確，參考價值有限。
而AlphaFold的過人之處就在於它不僅非常快，而且相當准確，因此大大提高了蛋白質研究的效率。
蛋白質結構預測的裡程碑式事件是在2020年的CASP14上，AlphaFold2預測蛋白質的分辨率達到了近原子級別。更重要的是，這些結構在細節上是“對”的——也就是說，在藥物篩選等研究場合，AI的預測結果變得很有用。
在速度上，AlphaFold2也遠遠甩開了實驗手段：消耗壹個博士生幾個月甚至幾年的時間才能得到的結構，壹張GPU花半個小時就可以得到壹個近似的，這在之前是無法想象的。正是依靠這樣的效率，AlphaFold在很短的時間內就預測了六柒億個蛋白質結構。
從2018年的1代到2024年的3代，AlphaFold經歷了巨大的升級改進。從采用經典卷積神經網絡架構的初始模型，到引入能力更強的Transformer架構、預測准確率史無前例的2代模型，再到能夠預測“幾乎所有分子類型”的蛋白質復合物結構的3代模型，能力不斷飛躍。
- 新聞來源於其它媒體，內容不代表本站立場！
-
原文鏈接
原文鏈接:
目前還沒有人發表評論, 大家都在期待您的高見