[Panduan Xin Zhiyuan] Kali ini, DeepMind, yang dikenal bisa mengalahkan manusia dengan AI, ingin membantu manusia mengalahkan virus mahkota baru! DeepMind mengeluarkan artikel yang mengatakan bahwa sistem pembelajaran mendalam AlphaFold dapat memprediksi struktur protein dari virus korona baru, dan juga merilis enam struktur yang diprediksi, yang penting bagi para ilmuwan untuk memahami virus dan mengembangkan vaksin.
DeepMind, sebuah perusahaan AI bintang di bawah perusahaan induk Google Alphabet, terkenal di dunia karena mengalahkan manusia, mengandalkan AlphaGo untuk mengalahkan juara dunia Go manusia, dan mengandalkan AlphaStar untuk mengalahkan 99,8% pemain manusia. Dan kali ini, DeepMind ingin membantu manusia mengalahkan virus mahkota baru.
Untuk mendeteksi virus dan mengembangkan vaksin, para ilmuwan terlebih dahulu harus memahami struktur virus, terutama proteinnya. Ini adalah proses yang panjang, memakan waktu berbulan-bulan, dan terkadang sia-sia. Dalam beberapa tahun terakhir, para peneliti telah berubah Prediksi komputer .
Laboratorium di seluruh dunia sedang mempelajari virus corona, dan sistem pembelajaran mendalam DeepMind disebut " AlphaFold ".
Beberapa hari yang lalu, DeepMind menerbitkan sebuah artikel yang mengungkapkan harapannya untuk membantu penelitian ini dengan "menerbitkan prediksi struktur beberapa protein yang belum dipelajari terkait SARS-CoV-2 (virus penyebab COVID-19)". Selanjutnya, mari berbagi artikel DeepMind ini dengan Anda.
DeepMind: Prediksi komputasi struktur protein terkait COVID-19
"Umat manusia telah meneliti virus korona selama beberapa dekade, sehingga kami dapat merespons epidemi COVID-19 dengan cepat menggunakan database sebelumnya, dan kami telah mengembangkan metode deteksi virus baru hanya dalam beberapa hari.
Penyebab dari struktur protein terkait virus COVID-19 SARS-CoV-2 ini belum ditentukan. Cara tradisional mungkin memakan waktu berbulan-bulan atau bahkan lebih lama, yang menyebabkan banyak pemahaman kita tentang fungsi dan mekanisme penularan virus. Hambatan besar.
Mengingat metode tradisional yang memakan waktu, kami menggunakan versi baru AlphaFold untuk prediksi struktur protein terkait SARS-CoV-2. Sistem baru dapat membuat prediksi yang akurat tanpa struktur protein yang serupa.
Kami telah membagikan struktur protein virus yang diprediksi oleh beberapa model, dengan harapan dapat memberikan bantuan kepada para peneliti.
Kami yakin bahwa sistem baru ini lebih akurat daripada sistem CASP13 kami sebelumnya. Sebelumnya, kami berhasil memprediksikan struktur protein lonjakan SARS-CoV-2 yang telah diverifikasi secara eksperimental dalam database protein. Hal ini memberi kami keyakinan yang cukup bahwa sistem baru dapat memprediksi struktur protein lain.
Baru-baru ini, kami membagikan temuan kami dengan beberapa rekan di Francis Crick Institute di Inggris, termasuk ahli biologi struktural dan virolog, yang mendorong kami untuk menerbitkan struktur kami sekarang. Model kami akan menunjukkan bagian mana dari struktur yang lebih mungkin benar. Meskipun protein yang belum dipelajari ini bukan fokus pengobatan saat ini, mereka dapat meningkatkan pemahaman peneliti tentang SARS-CoV-2.
Dalam keadaan normal, kami akan menunggu hingga karya ini ditinjau oleh sejawat sebelum dipublikasikan. tapi Mengingat urgensi waktu dan tingkat keparahan epidemi, kami memutuskan untuk melepaskan struktur prediksi dari enam protein yang terkait dengan SARS-CoV-2. , File data ini menggunakan lisensi open source dan sekarang tersedia untuk siapa saja.
Peneliti yang tertarik dapat mengunduh file data ini melalui tautan yang kami sediakan, yang juga menyertakan banyak detail teknis. Terakhir tapi bukan yang akhir, Ini adalah struktur yang diprediksi dan belum diverifikasi oleh eksperimen . "
Berdasarkan file unduhan yang disediakan dalam artikel DeepMind, Xinzhiyuan telah menghasilkan diagram struktur yang diprediksi dari enam protein untuk referensi saja (akurasi 100% tidak dijamin):
Alamat unduhan file asli:
https://storage.googleapis.com/deepmind-com-v3-datasets/alphafold-covid19/structures_4_3_2020.zip
DeepMind memprediksi senjata berat "pelipatan protein" virus mahkota baru: AlphaFold! Presisi menghancurkan teman dan manusia
Memprediksi struktur protein dari virus korona baru sangat penting, memungkinkan para ilmuwan memperoleh lebih banyak pengetahuan tentang bentuk protein dan cara kerjanya melalui simulasi dan model. Ini juga membuka potensi baru untuk pengembangan obat baru, mengurangi biaya percobaan, dan Sangat mempercepat proses bagi para ilmuwan untuk menemukan perawatan yang lebih efektif, dan pada akhirnya menyelamatkan pasien di seluruh dunia.
Dan kali ini senjata blockbuster DeepMind yang digunakan untuk memprediksi struktur protein dari virus mahkota baru diluncurkan pada akhir tahun 2018 lalu dan dielu-elukan oleh berbagai media. AlphaFold .
DeepMind menyatukan para ahli dari bidang biologi struktural, fisika, dan pembelajaran mesin untuk menerapkan teknologi mutakhir guna memprediksi struktur 3D protein hanya berdasarkan urutan gennya.
Dilaporkan bahwa dalam "Olimpiade" yang dikenal sebagai kompetisi global CASP untuk prediksi struktur protein, AlphaFold tidak hanya jauh di depan di antara teman-teman, dan bahkan keakuratan prediksinya telah menghancurkan para ahli manusia.
Menentukan bentuk tiga dimensi suatu protein secara murni dari suatu urutan genetik merupakan tugas yang kompleks. Tantangannya adalah bahwa DNA hanya berisi informasi tentang urutan blok struktural protein, yang disebut residu asam amino, yang tersusun membentuk rantai panjang. Memprediksi bagaimana rantai panjang ini terlipat menjadi struktur protein 3D yang kompleks disebut "masalah pelipatan protein".
Semakin besar proteinnya, semakin kompleks dan sulit modelnya, karena interaksi antar asam amino lebih kompleks. Beberapa peneliti memperkirakan bahwa, berdasarkan tingkat kondisi saat ini, untuk secara akurat menentukan struktur 3D semua protein, Mungkin butuh waktu lebih lama dari umur alam semesta .
Metode baru prediksi struktur protein berdasarkan pembelajaran mendalam
AlphaFold memodelkan struktur morfologi protein dari bawah ke atas tanpa menggunakan protein yang diselesaikan sebagai template. Hasilnya, akurasi yang tinggi dicapai saat memprediksi sifat fisik struktur protein, dengan dasar ini, digunakan dua metode berbeda untuk membangun prediksi struktur protein lengkap.
Kedua metode ini mengandalkan jaringan saraf dalam, yang dapat memprediksi sifat protein dari urutan gennya. Ada dua indikator utama untuk prediksi jaringan: (1) Jarak antar pasangan asam amino (2) Sudut antar ikatan kimia yang menghubungkan asam amino tersebut. Teknik ini digunakan untuk memperkirakan apakah pasangan asam amino dekat satu sama lain.
Gambar di atas memiliki matriks jarak untuk ketiga protein tersebut. Kecerahan setiap piksel menunjukkan jarak antara asam amino dalam urutan protein. Semakin cerah pikselnya, semakin dekat pasangannya. Jarak aktual yang ditentukan secara eksperimental ditampilkan di baris atas, sedangkan nilai rata-rata distribusi jarak yang diharapkan Alphafold ditampilkan di baris bawah. Yang terpenting adalah pertandingan ini bagus dalam skala global dan lokal. Panel bawah menggunakan model 3D untuk mewakili perbandingan yang sama, yang dicirikan oleh prediksi Alpha Fuld (biru) dan data kebenaran dasar (hijau) yang relatif terhadap tiga protein yang sama.
Tim DeepMind melatih jaringan saraf untuk memprediksi distribusi jarak individu antara setiap pasang residu dalam protein. Probabilitas ini kemudian digabungkan untuk membentuk skor akurasi dari prediksi struktur protein yang sesuai. Selain itu, jaringan saraf terpisah dilatih untuk meringkas semua jarak yang diprediksi dan memperkirakan kedekatan antara struktur yang diprediksi dan struktur sebenarnya.
Dengan menggunakan fungsi penilaian ini, struktur protein yang sesuai dengan prediksi dapat ditemukan. Metode pertama didasarkan pada teknik yang biasa digunakan dalam biologi struktural, yang berulang kali menggantikan fragmen struktural protein asli dengan fragmen struktural protein baru. Untuk tujuan ini, tim peneliti melatih jaringan saraf generatif untuk menemukan fragmen protein baru dan terus meningkatkan skor struktur protein yang diprediksi.
Metode kedua menggunakan penurunan gradien untuk mengoptimalkan skor. Penurunan gradien adalah teknik yang umum digunakan dalam pembelajaran mesin, yang dapat digunakan untuk mencapai peningkatan kecil dan bertahap, dan pada akhirnya menghasilkan struktur yang sangat akurat. Peneliti menerapkan teknik ini ke seluruh rantai protein panjang, bukan pada potongan yang harus dilipat secara terpisah sebelum dirakit, sehingga mengurangi kerumitan proses prediksi.
Tidak sabar menunggu peer review dan merilis hasil prediksi secepat mungkin, akurasinya tidak diketahui
Ini sangat kontras dengan GPT-2 sebelumnya yang tidak dirilis. Karena urgensi epidemi saat ini, DeepMind tidak sabar untuk lulus tinjauan sejawat. Ia merilis hasil prediksi struktur protein secepat mungkin dan menyimpannya dalam file pdb. Para peneliti dapat mendownloadnya. Gunakan data di file pdb untuk menggambar gambar.
Saat ini, meskipun AlphaFold telah mencapai hasil yang sangat baik dalam kompetisi, kekurangannya dalam stabilitas prediksi juga sangat signifikan. Dua hal ekstrem ditunjukkan dalam permainan ini: dari 43 prediksi, 25 sangat akurat, sementara yang lain salah. Oleh karena itu, keakuratan prediksi AlphaFold untuk virus corona baru masih belum diketahui.Kami menantikan hasil peer review dan verifikasi perawatan klinis yang sebenarnya.
Bagaimanapun, langkah DeepMind telah membuka cara berpikir baru untuk penerapan AI pada skenario aktual, terutama dalam perang melawan epidemi. Pada saat yang sama, saya juga berharap bahwa lebih banyak perusahaan AI dalam negeri dapat menemukan terobosan mereka sendiri dalam memerangi epidemi ini!
- Salah satu pendiri Apple mengatakan dia telah terinfeksi! Tim AI Zhong Nanshan memprediksi karantina yang terlambat 5 hari akan meningkatkan infeksi sebanyak 3 kali lipat
- Anda dapat membuka kunci iPhone Anda bahkan dengan topeng! Netizen Tiongkok menipu ID Wajah dengan kertas kosong
- Intel mengakuisisi Habana senilai US $ 2 miliar, wakil presiden AI Rao mengumumkan kepergiannya, Nervana tersingkir
- Jia Jiaya secara resmi mengundurkan diri dari Youtu, mengatakan bahwa itu adalah keputusan yang sulit, dan epidemi saat ini menciptakan "Teknologi Simou"
- Di saat-saat yang luar biasa, raja pena AI generasi baru Sogou muncul! Mendukung interpretasi simultan, tingkat akurasi 98%
- "Supermarket tak berawak" pertama di dunia dibuka! Amazon diam-diam mengembangkan supermarket Amazon Go online
- WHO mengatakan Redecive adalah obat yang sangat efektif! Akankah Olimpiade Tokyo dibatalkan karena epidemi?
- Korea Selatan sedang terburu-buru! Setelah 800 karyawan SK Hynix dikarantina, pabrik Samsung di Korea Selatan direkrut dan ditutup