今年被科学界认可的发现之一是涉及壮观的蛋白质的构建，另一个是关于实现一个50年前的梦想：从氨基酸序列中预测蛋白质结构。诺贝尔化学委员会主席Heiner Linke说：“这两种发现都开辟了巨大的可能性。”此次获奖的大卫·贝克完成了设计全新蛋白质的非凡壮举，而杰米斯·哈萨比斯和约翰·詹珀开发了一个人工智能（AI）模型...
而Demis Hassabis和John Jumper呢，他们则是利用人工智能技术来预测蛋白质的结构。他们开发了一种名为AlphaFold2的人工智能模型，这个模型啊，能够分析海量的蛋白质序列数据，并准确预测出蛋白质的三维结构。这项成果啊，不仅极大地加速了蛋白质结构的研究进程，还为理解蛋白质的功能、疾病机制以及药物设计提供了强有力的...
从蛋白质的氨基酸序列出发预测蛋白质的3D结构,称为蛋白质结构预测,其为生物信息学与理论化学所追求的最重要目标之一。蛋白质结构预测在医学上 (如,药物设计) 和在生物技术上 (如,新的酶的设计) 都是非常重要的工具。 为了准确预测蛋白质结构,腾讯 AI Lab 团队开发了 tFold 工具,采用了一套全新的“从头折叠” ...
人工智能技术由来已久，也有很多公司在做蛋白质结构预测，而“阿尔法折叠”率先成功的诀窍在于技术与算力积累。叶盛解释：“因为‘深度思维’的背后有谷歌提供的算力支持，所以它是用庞大的算力作为支撑，才能完成2亿多蛋白质结构的预测计算工作。”蛋白质能被设计改造？前路漫漫！蛋白质的3D形状或结构决定了它在细胞中...
蛋白质结构预测: 结构预测方法:4种 同源建模:HM目标,基于序列的方法 蛋白质线程:FR目标,序列-结构比对 从头算折叠方法:NF目标,建立结构而不引用现有结构 一致性方法:对由多个预测程序生成的某些候选人的预测进行投票 相互作用预测3种 蛋白质-蛋白质相互作用是指涉及相同的代谢途径或生物过程,或者属于同一结构复合物...
AI蛋白质结构预测赛道，国产模型又有吸睛表现：在蛋白质结构预测竞赛CAMEO上，有支队伍连续四周夺得全球第一。达成这一成就的是来自清华大学智能产业研究院（AIR）的AIRFold。△AIRFold 在7.23-8.20的评估中连续四周全球第一 CAMEO竞赛（Continous Automated Model Evaluation）与CASP并列为蛋白质结构预测领域的两大...
2024年诺贝尔化学奖授予了David Baker、Demis Hassabis和John Jumper,以表彰他们在计算蛋白质设计和蛋白质结构预测领域的突破性贡献。 David Baker:1962 年出生于美国华盛顿州西雅图。1989 年毕业于美国加州大学伯克利分校,获得博士学位。美国华盛顿州西雅图华盛顿大学教授和美国霍华德休斯医学研究所研究员。
由谷歌 DeepMind 团队开发的 AI 系统 AlphaFold，是一个标志性的工作。它把包括语言模型、视觉模型、生物学的归纳偏置等在内的建模思想，整合到一个大模型中，成功实现蛋白质结构预测。即便如此，AlphaFold 依然存在较大的局限性。具体来说，该系统虽然可以良好地预测整个人类蛋白质组的蛋白单体结构，但如果想借助它在...
( 1 )比较建模法( comparative modeling method ) 比较建模法是基于知识的蛋白质结构预测方法,又称为同源结构预测,是根据大量已知的蛋白质三维结构来预测序列已知而结构未知的蛋白质结构。 按照目前的定义,若待模型构建蛋白质的序列与模板序列经比对( alignment )后的序列同源性( sequence identity )在 40% (也有...