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】🔥科技巨头的蛋白质结构较量！🔍华尔街日报近日揭秘了科技巨头Meta和DeepMind在人工智能领域的又一力作——ESMFold与AlphaFold的深度对决！💡这两个革命性的模型，凭借其超凡的预测精度，正在重塑生物科学的格局。📚Meta的ESMFold，犹如数据海洋中的导航灯塔，通过复杂的算法解析蛋白质结构，每一步都精准无误，引领我们探索生命的奥秘。🌊而DeepMind的AlphaFold，则是人工智能领域的创新引擎，它用超智能的力量，瞬间解读复杂蛋白质的密码，让科学不再神秘。🔑两位巨头的研发过程同样引人入胜，严谨的科研态度和前沿技术的融合，为未来的科技突破铺平了道路。🚀欲了解更多这股科技浪潮如何席卷生物医学界，敬请关注后续深度解析！📚💻 #MetaDeepMind #蛋白质结构预测 #科技创新动态
🌟DeepMind’s Game-Changing Breakthrough 🧬After years of relentless pursuit, the scientific world is abuzz with the remarkable achievement by DeepMind, a trailblazer in AI technology. The tech giant has successfully upended an age-old challenge that had stumped researchers for half a century, ingeniously replacing time-consuming and costly laboratory methods with its cutting-edge AI solutions 🤖.This game-changing discovery allows for the precise determination of protein 3D structures, which hold immense significance in various fields, including drug and vaccine development, climate change research, and more 🛠️🌟. These intricate structures, often referred to as the building blocks of life, have long been a puzzle for scientists seeking a deeper understanding and potential applications.DeepMind’s AI-driven approach not only streamlines the process but also opens doors to groundbreaking discoveries that were previously out of reach. By harnessing the power of data and machine learning, they are revolutionizing the way we unravel the complexities of proteins, paving the way for more efficient and cost-effective research 🌈💻.Embrace the future where AI-driven science will continue to propel us forward in our quest for knowledge and innovation. DeepMind’s leap in this field serves as a testament to the boundless potential of artificial intelligence in driving scientific progress 🚀🏆
🌟【科技巨头竞相破晓】🔥AlphaFold2震撼登场，2021年7月，DeepMind引领了一场蛋白质结构预测革命！🔍短短3个月，其惊人的预测能力已覆盖所有已知领域，成为生物科学领域的闪耀明星。🌍紧接着，Meta的科研团队也不甘示弱，在Nature杂志上发表了令人瞩目的论文。📚他们推出了ESMFold，一个打破常规的蛋白质结构预测模型，以惊人的6亿种未知微生物蛋白质结构为新里程碑！🔬在氨基酸序列的精确度上，ESMFold的速度更是AlphaFold2的将近60倍，效率与精准并存。这一突破性进展不仅展示了科技的力量，更预示着未来生物探索的新可能。🚀让我们期待更多这样的创新，共同揭开生命科学的神秘面纱！🌐
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高峰。从一级到四级的精细层次，每个阶段的结构变化都揭示着生命活动的秘密。蛋白结构预测，就像解开多维迷宫的第一步，从一级线索推导出折叠的奥秘与二级、三级乃至四级的立体布局。氨基酸序列的多样性，犹如宇宙中的星辰数量，构成了潜在构型的浩瀚海洋。🔍AI技术的崛起，正以破浪前行的姿态，引领蛋白质解析的新革命。它以高效和精准的方式，帮助科学家们在这些结构繁多的折叠世界中快速穿行，揭示隐藏的生物学规律。🚀通过AI的力量，我们有望更深入地理解蛋白质的工作机制，为药物研发和生物技术提供强大的工具箱。💪让我们一起期待，这个由氨基酸序列开启，AI引领的蛋白质结构揭秘新时代！🌟
🌟【AI蛋白质结构预测新突破】🚀在进化的算法领域中，AlphaFold2以其卓越的端到端神经网络技术，引领了蛋白质结构预测的革命性进展。它通过多序列输入的深度学习，精准对齐进化同源物序列，并辅以可选结构模板，实现了显著的结构预测精度提升。相比之下，ESMFold则独树一帜，凭借ESM-2的强大信息和表示能力，实现了端到端的3D结构预测，为蛋白质结构解析开辟了全新路径。这两种方法虽各有特点，但都致力于揭示生命的奥秘，展示了人工智能在生物科学中的强大潜力。 若要了解更多详情，敬请关注相关领域的最新研究动态，让我们一起探索这个令人惊叹的科技前沿！🔍
🌟🚀ESMFold, the advanced language model 🧬🔍, operates on a similar principle to ChatGPT but with a unique twist – it’s trained on genetic code而非 everyday language. Unlike AlphaFold2, its foundation lies in language representation rather than sequence alignment techniques, eliminating the need for explicit homologous sequences as input. This means that protein models can simply provide one sequence and ESMFoldfold delivers! 🚀GPU-powered and end-to-end, it’s a game-changer in structural prediction without any database dependency. 💪🌍
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！
