AlphaFold教程与最新蛋白质结构预测进展，附视频与Slides

最新推荐文章于 2025-02-07 10:03:16 发布

数据派THU

最新推荐文章于 2025-02-07 10:03:16 发布

阅读量944

点赞数

文章标签：机器学习人工智能大数据 java 深度学习

原文链接：https://mp.weixin.qq.com/s?__biz=MzI1MjQ2OTQ3Ng==&mid=2247569377&idx=3&sn=c0df0fd9748d4a482db99376e13fae2c&chksm=e9e0c66ade974f7c80d3c527cbcda052fd9ade4fe0cdd18faaabf1def543c40e1c2e336d21eb&scene=126&&sessionid=0

版权

来源：专知
本文约1000字，建议阅读5分钟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。

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识别中添加明确的物理和化学，以及积极利用有限的实验观察，可以解决模型的局限性。我将讨论AlphaFold对结构生物信息学的影响，通过强调一些大规模的努力和开发的结构搜索工具来描述AlphaFold模型。