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
🌟【Meta VS DeepMind】🔥科技巨头的蛋白质魔力揭秘！🔍🚀 3月24日独家爆料！华尔街日报深度解析两大科技巨擘——Meta与DeepMind的蛋白质结构预测革命！💥🔍 首先登场的是Meta的ESMFold，这个犹如科学界的超级英雄，运用前沿的AI技术，精准地揭示了蛋白质的秘密结构。它的研发过程就像一场精密的DNA拼图游戏，每一步都充满创新与突破！💡接著是DeepMind的AlphaFold，它以AlphaGo式的智能，引领了一场生物计算的革命。AlphaFold不仅预测准确，更展现出对复杂生命体系的理解力，让科学家们惊叹不已！🏆👀 两者的较量，无疑是科技领域的焦点，它们的成功不仅改变了我们对蛋白质的认知，也为未来的生物科技带来了无限可能。🌟欲了解更多细节，敬请关注相关权威报道，让我们一起见证这场科技盛宴的精彩瞬间！🎉#MetaVSDeepMind #蛋白质结构预测 #科技创新动态
🌟DeepMind’s Game-Changing Breakthrough: Revolutionizing Protein Structure Analysis 🚀After years of relentless pursuit, the scientific community has been thrilled to witness a major milestone achieved by DeepMind. The tech giant has ingeniously leveraged AI to streamline and optimize the laborious process of determining protein three-dimensional structures, previously a time-consuming and costly endeavor. This groundbreaking achievement not only sheds light on the significance but also paves the way for breakthroughs in fields like drug development, climate change research, and more. 🛠️🔬With its AI-driven solution, DeepMind has effectively bypassed the limitations of traditional laboratory techniques, unlocking a treasure trove of knowledge that was previously out of reach. The impact on these crucial areas is immeasurable, as understanding protein structures is vital for developing life-saving therapies and predicting environmental shifts. 🦠💉🌍DeepMind’s game-changing move in the realm of science has undoubtedly positioned it as a leader in AI-driven research, demonstrating the potential to revolutionize not just the scientific community but also the global impact of technology. Stay tuned for more such groundbreaking advancements that will shape our future! 💡🚀
🌟【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结构，成为生物科学的超级智能助手。🚀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，他们照亮了未知微生物世界——约6亿种未曾揭秘的蛋白质结构得以精准预测！🔍令人惊叹的是，ESMFold在氨基酸序列上的速度优势明显，相较于AlphaFold2，它的效率提升高达60%，这无疑是科学计算中的闪电之战！⚡️这一系列里程碑式的进展，不仅展示了科技的力量，也预示着未来生物研究的无限可能。让我们期待更多创新突破，揭开生命之谜的层层面纱！🌈
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——蛋白质的三维结构，一直是科研领域的难题。从一级到四级，每个层次的结构都揭示着生命活动的细微奥秘。蛋白结构预测，就像解开多维拼图，从初级线索推导出折叠的高级形态。氨基酸序列的多样性，犹如宇宙中的星辰数量，繁复且令人惊叹。AI技术的崛起，为这个挑战带来了革命性的解决方案。它以精准和速度，引领我们穿越蛋白质的微观世界，揭示隐藏在氨基酸链背后的动态结构。借助AI的力量，科学家们得以加速解析过程，洞见生命活动的细微细节。🚀让我们一起期待，通过AI的智慧之光，揭开更多蛋白质结构的秘密，为自然科学的进步注入强大动力！🏆
🌟【AI蛋白质结构预测新突破】🚀在进化的算法领域中，AlphaFold2以其先进的神经网络技术，引领了蛋白质结构预测的新高度。它通过多序列输入的深度处理，精准对齐进化同源物序列，辅以可选结构模板，实现了端到端的卓越预测能力。相比之下，ESMFold则独树一帜，利用ESM-2的强大学习和表达能力，进行端到端的3D结构预测，展现出了独特且高效的预测策略。无论你是科研工作者还是对生物技术感兴趣的旁观者，AlphaFold2与ESMFold都是蛋白质结构理解领域的耀眼明星。它们不仅打破了传统方法的局限，还为探索生命奥秘提供了强大的工具。让我们共同期待这些AI算法在未来带来更多的科学突破和创新应用！🏆
🌟🚀ESMFold, the advanced language model 🧬🔍, operates on a principle similar to ChatGPT but with a unique twist. Unlike its predecessor that relies on natural language, ESMFold harnesses the power of biological gene language for training. Its innovative approach bypasses AlphaFold2’s reliance on structural and sequence matching, streamlining the process without requiring explicit homologous sequences. 🚀GPU-friendly and end-to-end, ESMFold is a game-changer in protein structure prediction, eliminating database access and boosting efficiency显著. 💪🔥
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！
