【实用教程】使用AlphaFold2进行蛋白质结构在线预测

原创 已于 2022-04-09 17:14:07 修改 · 10w+ 阅读 · 356 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#生物信息学 #生物学 #python

于 2022-03-20 14:34:10 首次发布
本文概述了DeepMind的AlphaFold2在蛋白质三维结构预测领域的突破，介绍了如何查询已预测的结构、获取源代码进行本地运行、在线使用Colab实例、调整参数以提高精度，并涵盖蛋白-蛋白互作预测。

文章目录

AlphaFold2

Deepmind团队发布的Alphafold2是迄今为止准确度最高的蛋白质三维结构预测模型，直接颠覆了整个生物学领域。关于Alphafodl2的相关研究已经发表在nature上，其中最主要的是一篇关于Alphafold2模型的介绍：
Highly accurate protein structure prediction with AlphaFold
和一篇使用Alphafold预测人类蛋白组的文章：
Highly accurate protein structure prediction for the human proteome

查询AlphaFold2已经预测好的结构

如上所述，Deepmind团队已经使用Alphafold2预测过了人类蛋白组结构。其实除了人类蛋白组外，诸如常见的模式生物如小鼠、斑马鱼、植物中的水稻、拟南芥、微生物如大肠杆菌等的蛋白组都已经被预测过了，如果我们需要预测的蛋白结构已经被预测过了，那我们就不必做重复劳动。

用户可以通过Alphafold托管在EMBL的服务器进行查询：
AlphaFold Protein Structure Database

或者通过

最低0.47元/天 解锁文章
【AIDD】AlphaFold初认识
图挖掘领域，新晋砖家 ☞ 未来可期，欢迎和静静一起学习交流吖
01-14 567
AlphaFold系列：一文读懂AF1-3核心技术 - 知乎自DeepMind开发的AlphaFold问世以来，它迅速成为生命科学领域最引人注目的创新之一。从精确预测蛋白质的三维结构，到探索DNA、RNA的复杂构象，AlphaFold的影响已经超越了科学界，其技术突破正在加速基础研究、推动药物开发，并重新定义人类对生命分子基础的理解。那么，AlphaFold的核心技术是什么？它有哪些突破和局限？未来又将走向何方？让我们通过AlphaFold专题文章来走进。
AI4S - 开源 OpenFold: 蛋白质结构预测的 Multimer 训练与推理 教程(10)
AGI
10-23 1034
OpenFold 是一个快速、节省内存、可训练的 AlphaFold2 的实现，以及 OpenProteinSet 是最大的公开的蛋白质多序列比对数据库。使用 OpenProteinSet 从头开始训练 OpenFold，完全匹配 AlphaFold2 的准确度。在建立了平等性之后，通过使用精心设计的数据集重新训练 OpenFold，评估在折叠空间中泛化的能力。尽管训练集的大小和多样性极度减少，甚至包括几乎完全消除了二级结构元素类别，OpenFold 仍然具有非常强大的泛化能力。
使用 AlphaFold 3 准确预测生物分子相互作用的结构
05-09
使用 AlphaFold 3 准确预测生物分子相互作用的结构
AlphaFold2在线预测蛋白保姆式教程
weixin_47139678的博客
12-20 8563
colab 提供了一个网页接口可以调用alphafold预测蛋白结构。
AlphaFold 2 本地部署与安装教程（Linux）
最新发布
qq_41025456的博客
09-08 4789
蛋白质对生命至关重要，了解其结构有助于理解其功能。通过巨大的实验努力，已测定了约 10万个独特蛋白质的结构，但这仅占已知数十亿种蛋白质序列的一小部分。结构覆盖率的瓶颈在于确定单个蛋白质结构需要数月到数年的艰辛工作。需要精确的计算方法来弥补这一差距，并实现大规模的结构生物信息学。仅根据氨基酸序列预测蛋白质将采取的三维结构——即“蛋白质折叠问题”的结构预测部分——已成为一个重要的开放研究问题超过 50 年。尽管近年来取得了进展，但现有方法在缺乏同源结构时远未达到原子精度。
蛋白质二级结构预测
01-06
通过平衡数据集来提高蛋白质二级结构预测准确率
AlphaFold2文档和61页技术补充材料
08-01
AlphaFold2 可以周期性地以原子精度预测蛋白质结构，在技术上利用多序列对齐和深度学习算法设计，并结合关于蛋白质结构的物理和生物学知识提升了预测效果。它实现了 2/3 蛋白质结构预测的卓越成绩并在去年登上了《自然》杂志。
介绍了AlphaFold2的原理和简单的安装过程！
04-25
入门alphafold2的基础PPT介绍
AlphaFold2代码阅读（一）
xiaofengzihhh的博客
10-16 2390
文章目录前言一、各种import1、代码2、解析二、softmax_cross_entropy函数1、代码2、解析三、sigmoid_cross_entropy函数1、代码2、解析四、create_extra_msa_feature函数1、代码2、解析五、AlphaFoldIteration类 前言   AlphaFold2的代码真的是太多了，而且几乎没有注释，难度真的很大。因为我对深度学习的了解也并不深刻，并且TensorFlow这个框架也没有用过，所以在看代码的过程，真的是不停地在学习。总之一句话就.
alphafold2_jax预测蛋白质三维结构的深度学习模型
qq_27815483的博客
06-24 1362
AlphaFold2是一个用于预测蛋白质三维结构的深度学习模型，包含算法模型结构介绍、算法原理、环境配置等
AlphaFold overview and recent developments.pdf
06-16
AlphaFold是DeepMind开发的一个人工智能系统，可以根据蛋白质的氨基酸序列预测蛋白质的3D结构。AlphaFold软件和“AlphaFold蛋白质结构数据库”(AlphaFold Protein Structure Database)向公众开放已经一年了，用户可以探索和研究他们感兴趣的蛋白质。 机器学习模型有潜力成为生物学的核心工具，正如最近在蛋白质结构预测方面的进展所表明的那样。在这次网络研讨会中，我将概述AlphaFold:该系统如何工作，如何获得蛋白质结构预测，以及如何分析它们。然后，我将回顾构建系统的一些方法，并将讨论如何为新应用程序评估AlphaFold。 近年来，蛋白质结构的计算模型的能力和准确性显著提高，结构生物学的一些领域没有受到影响。这些变化已经在当前版本的AlphaFold中实现，RoseTTAFold也不远了。实验结构生物学仍然需要解决预测结构中的歧异，并验证细节，但高质量模型的可用性正在消除实验中的许多瓶颈。即使没有实验结构，新的模型也足以产生有趣的假设，可以通过实验来验证，比如评估与遗传疾病相关的变异是如何导致疾病的。通过在当前算法中使用的模式
零基础小白调用AlphaFold2预测蛋白质结构
Aa_cabbage的博客
07-14 1631
mmseqs2_uniref_env” 用 MMseqs2+环境序列（最全，推荐单体用）；需要所预测蛋白序列Fasta文件，5XHJ蛋白已经有了准确的结构，我们可以将其进行预测后，与实际的结构进行比较，来判断AlphaFold模型的预测准确性。“0” 不循环（低质量）；输入要预测的蛋白序列，直接粘贴氨基酸序列，如果是多条链，中间用“|”分割。：“chain”按链上色；
如何使用alphafold进行蛋白质结构预测
weixin_40551464的博客
10-02 7280
AlphaFold 是 DeepMind 开发的一种基于深度学习的方法，用于预测蛋白质的三维（3D）结构，精确度极高。AlphaFold 蛋白结构数据库将随着时间的推移不断更新和改进，因此如果您现在还找不到要找的内容，请关注 DeepMind 和 EMBL-EBI 的社交渠道，了解最新信息。AlphaFold 以快速和自动化的方式提供高精度的三维结构，彻底改变了蛋白质结构预测领域。预测的蛋白质结构可用于各种应用，包括药物发现、蛋白质工程、了解蛋白质功能以及研究蛋白质与蛋白质之间的相互作用。
新国大张阳教授团队开发精度远超AlphaFold的AI蛋白质互作结构预测算法
weixin_4528312的博客
01-05 9079
通过利用宏基因数据库构建高质量多序列比对模型，人工智能（AI）在蛋白质-蛋白质复合物结构预测领域产生新的突破。
基于PyTorch的AlphaFold深度学习蛋白质结构预测实现
标题中提到的知识点是关于...综合以上信息，我们可以得知这个项目是一个方便研究者上手AlphaFold的PyTorch实现，具有一定的技术深度和实用价值，同时遵循开源精神，为蛋白质结构预测领域的研究者提供了一个新的工具。
阿尔法fold2人工智能
百态老人的博客
08-01 5100
阿尔法折叠2（AlphaFold 2）是由DeepMind团队开发的人工智能系统，它能够根据蛋白质的氨基酸序列预测蛋白质的三维结构。AlphaFold 2在蛋白质结构预测领域取得了革命性的突破，其预测结果的准确性被认为与实验测定的结构相当接近甚至更好。这一成就在2020年的CASP14（Critical Assessment of Structure Prediction）比赛中得到了验证，AlphaFold 2获得了出色的表现，赢得了该竞赛的冠军。
技术干货 | MindSpore AI科学计算系列（四）：AlphaFold2分析
Kenji_Shinji的博客
07-05 2061
背景蛋白质折叠这个被列为“21世纪的生物物理学”的重要课题之一，已经困扰了科学家们近半个世纪，好消息是在两年一届的CASP比赛中，2020年谷歌deepmind团队的Alphafold2凭借其接近90分的成绩取得CASP14比赛中蛋白质3D结构预测的榜首，这一成就被Nature等杂志喻为前所未有的进步。近期AlphaFold2连续两登Nature着实在又生物和科研圈火了一把，首先是在7月15日宣布开源，https://github.com/deepmind/alphafold并将长达六十多页的代码解析及数据
蛋白质结构序列进行三维结构预测的在线服务器
lijingxiaov5的博客
03-11 3794
通过蛋白质序列进行三维结构预测的在线服务器
评论 48
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值