蛋白质结构预测有什么用

蛋白质结构预测有什么用？ 2024年2月19日金融行业消息，根据国家知识产权局公告，清华大学申请的项目名称为“蛋白质结构预测方法、装置、电子设备及存储介质”，公开号CN117558337A，申请号：日期为2023年9月。专利摘要显示，本发明提供了一种蛋白质结构预测方法、装置、电子设备和存储介质。该方法包括：获取要转发的信息，我继续。

2022年7月，Deepmind宣布破解了2.14亿个已知蛋白质结构，在业界惊叹之下加速了生命科学领域新药的研发。此后，全球AI蛋白质结构预测、AI蛋白质分子设计等赛道全面展开。在国外，Meta AI 继续探索尚未表征的细菌、病毒和其他微生物的分子结构，预测规模升至6 亿。

“我更关心的是Alphafold 3是否可以用来预测病毒的蛋白质结构。AFDB（数据库）中有很多预测的结构，涵盖了几乎所有物种，但没有病毒。而且新版本在预测方面不是很好RNA结构。”总体对于AlphaFold 3的具体表现，DeepMind和Isomorphic Labs的研究人员透露： • 考虑到对比系统使用的是小发猫。

≥△≤

去年，AlphaFold发布了包含2亿个预测蛋白质结构的数据库，接近人类科学已知的所有蛋白质。与大众更为熟悉的AlphaGo类似，AlphaFold是通过实验室科学家研究的17万个蛋白质序列和结构的机器学习来训练的，已经掌握了预测蛋白质结构的技巧。正是因为预测的蛋白质已言出必行。

在弄清楚蛋白质的一级结构后，人工智能被用来预测其二级、三级和四级结构。 2018年，人工智能正式参与预测蛋白质三维结构，并在其中大显身手。它速度极快，可以在几天甚至几分钟内以高置信度预测蛋白质结构，而以前需要几十年才能获得。大大促进了生化，什么都好。

(^人^)

“这是一个蛋白质结构预测的时代。”厘清生命科学的底层逻辑，搭建基础科学与临床药物之间的桥梁，是无数人毕生的理想。在蛋白质这一课题上，全球科技巨头谷歌旗下的尖端人工智能公司DeepMind结合了机器学习和系统神经科学的最先进技术，建立了强大的通用学习算法。就是这样。

AlphaFold等蛋白质结构预测技术的兴起引起了计算生物学的广泛关注。今年9月21日，AlphaFold开发者Demis Hassabis博士和John Jumper博士荣获拉斯克奖（The 2023 Lasker Awards），这被普遍认为是诺贝尔奖的“前奏”。然而，计算机预测技术还远远不能取代传统的实验结构测定。我会继续。

以预测大分子的结构和功能为目的，人工智能逐渐渗透到创新药物研发的各个环节。目前，该公司已将人工智能技术应用到蛋白质转化过程中。该公司通过协同AI计算模拟“干实验”和高通量“湿实验”，将AI技术与基于力场的计算机虚拟筛选方法相结合，不断闭环迭代，最终获得特定蛋白质。比如说全能核心呢？

蛋白质由多种氨基酸折叠而成，其结构分为主链和侧链。蛋白质结构和功能的形成很大程度上取决于侧链原子之间的相互作用。因此，准确的蛋白质侧链预测（PSCP）是解决蛋白质结构预测和蛋白质设计问题的关键环节。应用于药物设计领域，科学家可以更快、更准确地找到合适的药物和受体。我会继续。

Meta于2022年11月推出了150亿参数的蛋白质预测模型EMSFold。无论精度如何，EMSFold在预测结构方面都比AlphaFold快60倍，被视为AlphaFold的有力“竞争对手”。此外，清华大学智能产业研究院（AIR）研发的蛋白质结构预测系统解决方案AIRFold在蛋白质结构预测竞赛CAMEO中获得冠军。让我继续。