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
🌟【科技巨头竞相】Meta与DeepMind的AI神力：ESMFold与AlphaFold蛋白结构揭秘🔍🔥《华尔街日报》深度剖析！Meta与谷歌旗下的DeepMind两大科技巨头，最近在蛋白质结构预测领域展开了一场无声却激烈的竞赛。👀《华尔街日报》近日刊文，详尽揭示了这两款革命性模型——ESMFold与AlphaFold的非凡原理和研发历程。🔍ESMFold，Meta的创新之作，凭借其先进的算法，犹如精密的生物解剖师，精准解析蛋白质结构。🛠️通过深度学习的力量，它在生物信息学的殿堂上展现超凡智慧。另一边，DeepMind的AlphaFold则以其卓越性能，引领人工智能新高度。🎯它不仅预测准确，还能从海量数据中自动学习和优化，展现出惊人的自我进化能力。这两款模型的研发过程，无疑是对科技极限的挑战与突破。📚从基础研究到实际应用，每一环节都透露着科研人员的辛勤付出和对科学未来的深思熟虑。欲了解更多这股AI浪潮如何重塑生命科学，敬请关注后续深度解析！🌐—原文已改写，保留了主要信息，同时去掉了具体作者和联系方式，弱化了广告色彩，并使用了SEO优化词汇。还通过添加emoji符号和改变表述方式，使得内容更生动有趣，易于搜索引擎抓取。
🌟DeepMind’s Game-Changing Breakthrough: Revolutionizing Protein Structure Analysis 🚀After years of relentless pursuit, the scientific world has been left in awe by DeepMind’s groundbreaking achievement. The tech giant has successfully employed AI to streamline and optimize a laborious process that previously hindered progress in protein structure determination, all while reducing costs and boosting efficiency. This game-changing solution is of paramount significance for various fields, including drug development, vaccine creation, and climate change research 🛠️🔬.With its cutting-edge technology, DeepMind’s AI-driven method has unlocked the secrets of proteins, enabling researchers to delve deeper into understanding their intricate 3D structures. These vital insights are instrumental in unlocking potential cures and mitigating the impacts of global challenges 🌍💉🛡️Don’t miss out on the revolutionizing impact of this technological leap! Stay tuned for more on how AI is reshaping the scientific landscape 📈🚀
🌟【科技巨头竞相破晓】🔥2021年7月，DeepMind的AlphaFold2震撼发布，引领蛋白质结构预测领域的新纪元！短短3个月，它已遍览所有已知蛋白质世界，成为精准预测的不二神器。🚀紧接着，在Nature杂志的最新突破中，Meta的研究团队不甘示弱，凭借ESMFold模型，他们照亮了细菌、病毒乃至未被充分探索的微生物世界的蛋白质结构之光。💡6亿种神秘蛋白质的三维轮廓，就这样在科学的迷宫中清晰展现！🔍尤为值得一提的是，ESMFold的速度优势明显，相较于AlphaFold2，预测速度提升高达惊人的60%。这不仅意味着更快的研究进程，更是科技加速前行的强劲引擎。💨Meta的这一壮举，无疑为蛋白质结构预测开启了一扇前所未有的大门，未来可期！🌟#AlphaFold2# #ESMFold# #科技进步
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 🧬预测复杂生物分子如蛋白质的三维结构，一直是科研领域的难题，它犹如解开生命密码的关键环节。从一级到四级的精细层次，每一步都至关重要。蛋白结构预测，就是从简单的线性链开始，预见其如何折叠成二级、三级乃至四级的立体形态。氨基酸序列的多样性，仿佛是宇宙中的星辰数量，无穷无尽。这就是AI技术大显身手的地方——它能以超乎想象的速度帮助我们解析这些蛋白质的秘密。🚀利用AI的力量，科学家们正以前所未有的速度缩短探索蛋白质结构的时间，将科学难题转化为实际应用。在这个科技与生命交汇的前沿，每一项突破都可能引领未来医学和生物学的新篇章。🌱记得关注这个领域动态，让我们一起见证人工智能如何在生物科学中创造奇迹！🏆
🌟【AI蛋白质结构预测新突破】🚀AlphaFold2凭借其先进的进化算法训练的神经网络，已经在蛋白质结构预测领域取得了显著成就。相比之下，ESMFold则独树一帜，利用ESM-2的强大学习能力和表达方式，实现了端到端的3D结构精准预测。两者虽方法各异，但都引领了这一领域的科技革新。🌟
🌟🚀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 feeding one sequence. It’s a groundbreaking, end-to-end predictor that runs entirely on GPUs, eliminating database interactions. 🚀💻
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！
