预测

在这本书中，托普提出了对未来医疗的预测和畅想，揭示了人工智能在医学上的各种应用前景，为人工智能如何实现医疗变革提供了一幅全景图。

“在一些很关键的蛋白，特别是要大规模设计药物的蛋白上，我认为还是需要做实验，因为对结构预测的精度更高。

但是，低温电子显微镜仍具备一定的优势，比如在蛋白-蛋白相互作用研究上，但未来，AlphaFold很可能也可以实现准确预测蛋白-蛋白结构预测。

许东教授认为，施一公、颜宁这些生物学学者所做的一些更为细致的研究，不是仅靠蛋白结构预测就能取代，这其中包括蛋白质的功能、机理、修饰、相互作用、动力学属性等等，还是需要大量实验工作。

也就在今天，美国普林斯顿大学教授、结构生物学家颜宁，就AlphaGo的成果发表了一条微博，表明了自己的观点：“蛋白结构预测不是一个新鲜学科，（AlphaFold）确实是突破，但是有了两年前的新闻做铺垫，现在这次委实是意料之中。

许东教授向雷锋网表示，蛋白结构预测这一重大科学问题，在三十多年前就有多人宣布已经解决，但极其不靠谱，后来才有两年一次的双盲预测大赛CASP，用事实说话。

从1997年开始，许东教授就开始了蛋白质结构预测这方面的研究。

现在，许东教授团队现在和范德堡大学Jing-QiongKang教授的合作，就在用结构预测来研究癫痫，特别是为什么一些基因突变可以使得几个重要的蛋白结构造成变化，造成其部分功能丧失，致使癫痫发作。

许东是美国密苏里大学哥伦比亚分校Shumaker讲座教授，AAAS和AIMBE会士，曾因为蛋白结构预测的工作获得2001年美国“最杰出研究与开发100人奖励（国际2001R&D100Award）”。

这就表明，有些蛋白的预测还是做的不太好。

但是有一点值得肯定，AlphaFold的爆炸性成果，会对其他入局蛋白质结构预测的厂商产生非常大的冲击——犹如一条“鲶鱼”一样，搅动整个行业的现有技术和商业格局。

注意力机制的引入，解决了如何更好地从多序列对齐（multiplesequencealignment）数据中提取特征以指导结构预测的问题。

许东教授表示，注意力机制确实在蛋白结构预测方面上了一个台阶。

直播预约：AlphaFold蛋白质结构预测是革命性成果吗？

许东教授向雷锋网说到，自己在橡树岭国家实验室和徐鹰教授一起，做了一些蛋白结构预测的工作，当时受到不少关注，因此两人获得了2001年美国“最杰出研究与开发100人奖。

即便是对于最难的随机蛋白质结构预测，AlphaFold也达了87.0GDT的高分。

具体讲,萨摩耶数科的AUTOMAN自动建模平台凭借数据研判及处理、最优模型保存及部署、新数据预测、模型训练及调优四大核心功能,内置前沿流行算法,即使用户没有知识背景也能熟练使用,且拥有一键建模模式,无需用户写代码,只需按照说明放好数据就能训练出可部署调用的模型。

AlphaFold的得分可以说是在蛋白质结构的预测上达到了极高的准确性。

LIT还支持局部解释，包括显著图、注意力机制、模型预测的丰富可视化，以及包括度量、嵌入空间和灵活切片在内的聚合分析。

Masked语言建模是一个“完型填空”任务，该模型预测可以完成一个句子中的不同单词。

1990年代开始进行了名为CASP(蛋白质结构预测的关键评估)的严格实验，用于检验科学家们设计出的能够预测蛋白质折叠的理论系统。

如今，在CASP的第三个十年中，似乎已经产生了最有希望的解决方案——DeepMind的AlphaFold提供了准确性前所未有的3D蛋白质结构预测模型。

这就是著名的蛋白质折叠结构预测。

CASP(CriticalAssessmentofproteinStructurePrediction)是国际性的蛋白质结构预测的重要评估组织，每两年进行一次蛋白质结构预测的全球试验比赛，主要目标是帮助推进从氨基酸序列中识别蛋白质三维结构的方法，被许多人认为是该科学领域的“黄金标准”。

本周CASP表示DeepMind的AlphaFold系统在蛋白质结构预测方面取得了空前的准确性，GDT(GlobalDistanceTest)准确性高于90%。

同时，马健认为，AlphaFold在解决蛋白质折叠预测问题过程中所积累的经验和Know-how，会产生技术溢出的效果，其中先进的思想和理念将进一步在AI药物发现的其他环节和领域带来启发和促进作用。

昨天，让生物科学圈和人工智能圈为之沸腾的，必然是DeepMind宣布蛋白质折叠预测问题已被其攻破的消息。

但是，许教授认为，AlphaFold今年真正的创新之处在于利用了注意力机制，可以把氨基酸之间的距离预测问题更为全局、整体的解决，同时对每一对距离的预测可靠性有更好的评价，从而看出什么预测距离更靠谱，让其在蛋白三维结构重建中发挥更大作用。

但通过这些步骤还无法单独预测结构，因为所预测的距离和角度上可能会违背物理规律。

从氨基酸序列预测蛋白质结构变化的能力将对生命科学及医学领域带来巨大好处，德国马克斯·普朗克发展生物学研究所的进化生物学家安德烈·卢帕斯直言：“AlphaFold帮助他解决了困扰十几年的难题，通常情况下，破解一个蛋白质的结构需要耗费数年时间，而现在，几天之内就能得到一个非常接近的结构，这无疑会极大加速对细胞组成部分的工作，也将改变我的工作方式”。

氨基酸序列准确预测蛋白质结构的能力将对生命科学和医学带来巨大的好处。

不过这并不代表计算机退出了舞台，相反，来自马里兰大学学院公园分校的计算生物学家约翰·穆尔特与其他人共同创立了CASP，致力于改进精确预测蛋白质结构的计算方法。

预测蛋白质折叠的形状很重要，因为它决定了蛋白质的功能，几乎所有的疾病，包括癌症和痴呆症，都与蛋白质的功能有关。

利用AlphaFold,使用遗传密码来预测蛋白质的形状。

利用深度学习的AI方法应用于结构和遗传数据，以预测蛋白质中氨基酸对之间的距离。

DeepMind开发了一款人工智能软件AlphaFold，使用了AI与算法相结合的方式来预测蛋白质中氨基酸对之间的距离，以解决生物学最严峻的挑战之一——蛋白质折叠预测。

在AlphaFold准确的预测的蛋白结构之上，我们可以更准确地预测药物分子和蛋白的相互作用，从源头上提高计算辅助药物发现与设计的准确度。

然而，也有网友提出了一些不同的声音：利用计算机预测蛋白质结构很早就在做，只不过准确度一直是一个问题。

DeepMind也训练了一个神经网络来进行这样的配对，并预测折叠蛋白质中两个配对氨基酸之间的距离。

AlphaFold目前还不能预测复杂的分子机器，主要是因为蛋白-蛋白相互作用非常复杂，存在极多的可能性。