AI学科教育

《华尔街日报》最近对比分析了Meta的ESMFold和DeepMind的AlphaFold两款蛋白质结构预测模型。DeepMind的AlphaFold通过AI解决了确定蛋白质三维结构的难题，而Meta研发的ESMFold则利用大型语言模型技术，仅凭序列就能预测约6亿种微生物蛋白质结构，速度相比AlphaFold快了近60倍。这款端到端的模型在GPU上运行且无需数据库，显示出了显著的效率提升。这两款模型的成功标志着人工智能在生物学领域的深度应用和蛋白质结构解析的突破性进展。

天壤XLab近期上线了蛋白质自由设计平台xCREATOR和自主研发的扩散模型，面向高校师生免费开放，已有数百用户。这一AI技术通过氨基酸数据排列组合训练实现自动生成蛋白三维结构，并提供分析功能，显著提高了蛋白质设计效率，有望降低产业应用门槛。AI药物发现，尤其是针对长序列蛋白质的可能性，被视作投资热点，而AI在解决重大疾病如癌症等未知蛋白质功能上的潜力也备受关注。

两位计算生物学家利用GPT-3帮助改进研究论文，助手在审稿中发现并纠正了错误，这提高了工作效率。ChatGPT因其多领域应用潜力，尤其在蛋白质生成和基因测序上展现出前景，如Profluent公司通过AI创造抗菌蛋白。然而，ChatGPT也面临准确性挑战，尤其是在专业领域，数据偏见和信息真实度问题需要解决，开发者正努力提升其能力。学术界呼吁建立规范以确保ChatGPT的正当使用。