文章主题：Meta, ESMFold, AlphaFold, 蛋白质结构预测
智东西
编译 | 周炎
编辑 | 云鹏
🌟【科技巨头对决】Meta与DeepMind的AI神力：ESMFold与AlphaFold深度解析🔍🔥《华尔街日报》近日揭秘了科技巨头Meta与谷歌旗下的DeepMind在蛋白质结构预测领域的激烈较量！两大超凡模型，ESMFold与AlphaFold，以其颠覆性的技术引领行业风向。💡🔍首先，让我们深入了解一下这两个革命性模型的工作原理。ESMFold，Meta的创新之作，凭借其先进的深度学习算法，犹如精密的生物解剖师，精准解析蛋白质的复杂结构。👩🔬而DeepMind的AlphaFold，则以其强大的人工智能，如同微观世界的魔术师，揭示了隐藏在氨基酸序列背后的秘密。🔮📚开发过程同样引人注目。Meta的ESMFold在团队的精心研发和数据驱动下逐步完善，展现出科技巨头的严谨与决心。🛠️相反，DeepMind的AlphaFold通过跨学科合作和开放策略，吸引了全球科研力量的参与，形成了一股创新的合力。🤝👀这场科技盛宴不仅展示了人工智能的巨大潜力，也预示着未来生物科学的新突破。让我们期待这两个模型如何继续改写蛋白质结构领域的规则！🏆#MetaESMFold #AlphaFold #蛋白质结构预测
🌟DeepMind’s Game-Changing Breakthrough: Revolutionizing Protein Structure Analysis 🚀After years of relentless pursuit, the trailblazing AI firm DeepMind has triumphantly cracked a long-standing puzzle that has eluded scientists for half a century. By ingeniously replacing laborious and costly laboratory methods, they have shifted the paradigm in determining the three-dimensional structure of proteins – a crucial stepping stone in numerous fields. 🔍These vital structural insights are instrumental in drug and vaccine development, climate change research, and more, offering a leap forward in understanding and tackling complex biological challenges. The efficiency and precision brought by AI technology have undoubtedly reshaped the scientific landscape. 🌱Without revealing specific details or personal contact information, DeepMind’s groundbreaking achievement stands as a testament to the power of artificial intelligence in driving scientific progress. Embrace the future where data-driven discoveries lead to groundbreaking solutions! 💻🌟
🌟【科技巨头竞相破晓】🔥在2021年7月的科技界盛事中，DeepMind的AlphaFold2犹如一道耀眼的曙光，引领蛋白质结构预测领域实现了前所未有的飞跃。短短三个月后，Meta的研究团队紧随其后，在《自然》杂志上发表了令人瞩目的论文，展示了他们研发的ESMFold模型——一个强大且创新的蛋白质结构预测工具。🔍这项突破性技术让科学家们能够预见来自细菌、病毒乃至未被充分探索的微生物界的约6亿种复杂蛋白质的三维结构，为生命科学解锁了前所未有的知识宝库。速度上，ESMFold更是展现了惊人的效率，相较于AlphaFold2，预测速度提升了近六成，堪称神速！🏃♂️💨Meta的这一壮举不仅巩固了其在人工智能领域的领先地位，也预示着蛋白质结构预测技术的新纪元即将开启。未来，我们期待更多这样的突破，为探索生命奥秘提供更强大的工具和洞察。🏆
一、ESMFold加入战局，14天内预测超6亿种蛋白质结构🌟氨基酸序列解锁蛋白质秘密：科学巨浪中的AI探索之旅 🧬预测复杂蛋白质结构是生物学领域的尖端难题，它犹如解开生命密码的关键环节。蛋白质的多样结构层次——一级到四级，是我们理解其功能和行为的基础。蛋白结构预测，就是从简单的肽链走向折叠、二级稳定、三级立体和四级有序的过程。每种氨基酸的独特组合，仿佛打开了数不尽的构象之门，数量级惊人，足以填满整个宇宙。这就是AI技术大显身手的地方，它以超凡的速度帮助我们解析这些微观世界中的谜团。🚀利用AI的力量，科学家们正以前所未有的速度揭示蛋白质结构的秘密，这不仅提升了科研效率，也为生物学的深入理解开辟了新的道路。让我们期待这个领域未来的突破与奇迹！🏆
🌟 AlphaFold2的卓越预测能力在进化的算法领域独树一帜，它通过训练神经网络于多序列输入、进化同源物对齐及可选模板上，实现了蛋白质结构的高度精准预测。相比之下，ESMFold则倚赖ESM-2的强大学习和表达能力，进行端到端的3D结构预测，展现了一种新颖而高效的策略。
🌟🚀ESMFold, the advanced language model 🧬🔍, operates on a similar principle to ChatGPT but with a unique twist. Unlike its predecessor AlphaFold2 that relies on structural and sequence alignment, ESMFold harnesses language learning model’s internal representations for prediction. This eliminates the need for explicit homologous sequences, making protein modeling as simple as one sequence input. It’s a groundbreaking, end-to-end predictor, running entirely on GPUs without any database access. 🚀💻
研究人员曾经做过试验，在单个NVDIA V100 GPU上，使用较少参数的ESMFold在14.2秒被对具有384个残基进行预测，可比单个AlphaFold模型能够实现的预测速度快6倍，而在较短的序列上，研究人员甚至看到约60倍的提速。
据悉，ESMFold蛋白质模型背后的团队由Meta AI资深研究科学家Alexander Rives主导，该团队专注于大规模蛋白质序列和结构数据的无监督表示学习模型研究。
2017年，欧洲生物信息研究所发布的显示了AlphaFold模拟人类的蛋白质结构，来源：法国新闻社
Meta AI研究科学家Alexander Rives说：“这些蛋白质极其多样，人类对它们知之甚少，为了数量规模庞大的蛋白质，研究人员需要在预测速度上取得突破。”他还称，使用大型语言模型，ESMFold能够在两周内预测超过6亿种蛋白质。
作为测试案例，Meta AI将ESMFold用于来自环境来源（包括土壤、海水、人类肠道、皮肤和其他微生物栖息地）的批量测序“宏基因组”DNA数据库。绝大多数编码潜在蛋白质的DNA条目来自从未培养过且科学未知的生物体。
自从DeepMind取得突破以来，人们对AI在生物学中的应用产生了巨大的兴趣。AlphaFold是蛋白质结构预测方面取得的一大进步，这也进一步激发了深度学习的浪潮。
二、曾取得CASP最好成绩，AlphaFold将被用于治疗疾病目前，DeepMind开源了AlphaFold2的代码，让社区可以免费使用，目前约2.4亿的几乎所有已知的蛋白质都可以查到。此前，研究人员花费几个月或几年时间才能预测蛋白质的结构。投资生命科学技术的成长型股票公司Biospring Partners联合创始人詹妮弗卢姆（Jennifer Lum）称，AlphaFold缩短了这个过程，使这些团队能够将他们的时间转移到下游的研究和产品开发上，进入其他增值领域。
2018年，AlphaFold1在两年一度的CASP实验中取得了最好的成绩。团队又花了大量时间跟踪CASP，尝试不同的方法来改进AlphaFold，测试它们是否可以匹配实验蛋白质结构的准确性。
Jumper称，这个团队一直工作到2019年，他才真正相信这个团队能够完成它的使命。传统而言，生物学家使用基于X射线和其他技术的实验室技术来理解单一蛋白质结构，但据Jumper称，这一过程不仅要花费数年时间，还活花费10万美元。
John Jumper领导了机器学习应用蛋白质生物学的新方法开发，来源：DeepMind官网
虽然计算方法在理解蛋白质结构方面取得进展，但是目前这项技术还不够完善。无法取代实验室方法。最初的AlphaFold模型试验AI预测氨基酸对之间的距离，第二步利用这些距离分布来得到蛋白质的预测结构。其中第二步涉及到AlphaFold，它利用这些信息，提出了一个关注蛋白质是什么样子的共识模型，而无需AI。
Jumper称，研究小组正在把注意力转向蛋白质创新的新挑战。研究小组正在寻求了解突变与蛋白质功能变化之间的联系，这可以帮助治疗疾病。
结语：AI赋能药物研发具有巨大潜力作为蛋白质结构预测大模型，ESMFold在速度上快于AlphaFold2约60倍。如果在实际计算中，这一速度优势表现得更加明显。同时推断速度优势使得基于计算有效映射大型宏基因组序列数据库的结构空间成为可能。
ESMFold还可以被用于进行快速准确的结构预测，进一步帮助发现新的蛋白质结构和功能。未来，ESMFold或将超越预测蛋白质的静态结构，进一步研究蛋白质的动态结构。当这两个领域的研究都完成后，通过AI赋能新药设计就具备了基础，而从长远看，这具有巨大的潜力。
来源：《华尔街日报》
AI时代，掌握AI大模型第一手资讯！AI时代不落人后！
免费ChatGPT问答，办公、写作、生活好得力助手！
扫码右边公众号，驾驭AI生产力！
