[[411738]]

本文經(jīng)AI新媒體量子位（公眾號(hào)ID:QbitAI）授權(quán)轉(zhuǎn)載，轉(zhuǎn)載請(qǐng)聯(lián)系出處。

喜大普奔！今天一波Nature、Science齊發(fā)文，可把學(xué)術(shù)圈的嗑鹽人們高興壞了。

一邊是“AI界年度十大突破”AlphaFold2終于終于開(kāi)源，登上Nature。

另一邊Science又出報(bào)道：華盛頓大學(xué)竟然還搞出了一個(gè)比AlphaFold2更快更輕便的算法，只需要一個(gè)英偉達(dá)RTX2080 GPU，10分鐘就能算出蛋白質(zhì)結(jié)構(gòu)！

要知道，當(dāng)年AlphaFold2橫空出世，那是真·沸騰了學(xué)術(shù)圈。

不僅谷歌CEO皮猜、馬斯克、李飛飛等大V紛紛點(diǎn)贊，連馬普所的演化生物研究所所長(zhǎng)Andrei Lupas都直言：它會(huì)改變一切。

結(jié)構(gòu)生物學(xué)家Petr Leiman感嘆，我用價(jià)值一千萬(wàn)美元的電鏡努力地解了好幾年，Alphafold2竟然一下就算出來(lái)了。

更是有生物學(xué)網(wǎng)友表示絕望，感覺(jué)專(zhuān)業(yè)“前途渺茫”：

而今天這一波Nature、Science神仙打架，再次點(diǎn)燃話(huà)題度。

讓學(xué)界狂熱的Alphafold2

先說(shuō)被頂刊爭(zhēng)相報(bào)道的Alphafold2，它作為一個(gè)AI模型，為何引起各界狂熱？

因?yàn)樗怀鰜?lái)，就解決了生物學(xué)界最棘手的問(wèn)題之一。這個(gè)問(wèn)題于1972年被克里斯蒂安·安芬森提出，它的驗(yàn)證曾經(jīng)困擾科學(xué)家50年：

給定一個(gè)氨基酸序列，理論上就能預(yù)測(cè)出蛋白質(zhì)的3D結(jié)構(gòu)。

蛋白質(zhì)由氨基酸序列組成，但真正決定蛋白質(zhì)作用的，是它的3D結(jié)構(gòu)，也就是氨基酸序列的折疊方式。

為了驗(yàn)證這個(gè)理論，科學(xué)家們嘗試了各種手段，但在CASP14（蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)比賽）中，準(zhǔn)確性也只達(dá)到40分左右（滿(mǎn)分100）。

直到去年12月，Alphafold2出現(xiàn)，將這一準(zhǔn)確性直接拔高到了92.4/100，和蛋白質(zhì)真實(shí)結(jié)構(gòu)之間只差一個(gè)原子的寬度，真正解決了蛋白質(zhì)折疊的問(wèn)題。

Alphafold2于當(dāng)年入選Science年度十大突破，被稱(chēng)作結(jié)構(gòu)生物學(xué)“革命性”的突破、蛋白質(zhì)研究領(lǐng)域的里程碑。

它的出現(xiàn)，能更好地預(yù)判蛋白質(zhì)與分子結(jié)合的概率，從而極大地加速新藥研發(fā)的效率。

今天，Alphafold2的開(kāi)源，又進(jìn)一步在AI和生物學(xué)界激起了一大波浪。

谷歌CEO皮猜很高興：

亦有生物學(xué)博士表示：未來(lái)已來(lái)！

來(lái)自UC伯克利AI實(shí)驗(yàn)室的博士Roshan Rao在看過(guò)后表示，這份代碼看起來(lái)不僅容易使用，而且文檔也非常完善。

現(xiàn)在，是時(shí)候借著這份開(kāi)源算法，弄清Alphafold2的魔術(shù)是怎么變的了。

AlphaFold2詳細(xì)信息公開(kāi)

研究人員強(qiáng)調(diào)，這是一個(gè)完全不同于AlphaFold的新模型。

2018年的AlphaFold使用的神經(jīng)網(wǎng)絡(luò)是類(lèi)似ResNet的殘差卷積網(wǎng)絡(luò)，到了AlphaFold2則借鑒了AI研究中最近新興起的Transformer架構(gòu)。

Transformer使用注意力機(jī)制興起于NLP領(lǐng)域，用于處理一連串的文本序列。

而氨基酸序列正是和文本類(lèi)似的數(shù)據(jù)結(jié)構(gòu)，AlphaFold2利用多序列比對(duì)，把蛋白質(zhì)的結(jié)構(gòu)和生物信息整合到了深度學(xué)習(xí)算法中。

AlphaFold2用初始氨基酸序列與同源序列進(jìn)行比對(duì)，直接預(yù)測(cè)蛋白質(zhì)所有重原子的三維坐標(biāo)。

從模型圖中可以看到，輸入初始氨基酸序列后，蛋白質(zhì)的基因信息和結(jié)構(gòu)信息會(huì)在數(shù)據(jù)庫(kù)中進(jìn)行比對(duì)。

多序列比對(duì)的目標(biāo)是使參與比對(duì)的序列中有盡可能多的序列具有相同的堿基，這樣可以推斷出它們?cè)诮Y(jié)構(gòu)和功能上的相似關(guān)系。

比對(duì)后的兩組信息會(huì)組成一個(gè)48block的Evoformer塊，然后得到較為相似的比對(duì)序列。

比對(duì)序列進(jìn)一步組合8 blocks的結(jié)構(gòu)模型，從而直接構(gòu)建出蛋白質(zhì)的3D結(jié)構(gòu)。

最后兩步過(guò)程還會(huì)進(jìn)行3次循環(huán)，可以使預(yù)測(cè)更加準(zhǔn)確。

還有更快、成本更低的算法？

AlphaFold2首次公布的時(shí)候并沒(méi)有透露太多技術(shù)細(xì)節(jié)。

在華盛頓大學(xué)，同樣致力于蛋白質(zhì)領(lǐng)域的David Baker一度陷入失落：

如果有人已經(jīng)解決了你正在研究的問(wèn)題，但沒(méi)有透露他們是如何解決的，你該如何繼續(xù)研究?

不過(guò)他馬上重整旗鼓，帶領(lǐng)團(tuán)隊(duì)嘗試能不能復(fù)現(xiàn)AlphaFold2的成功。

幾個(gè)月后，Baker團(tuán)隊(duì)的成果不僅在準(zhǔn)確度上和AlphaFold2不相上下，還在計(jì)算速度和算力需求上實(shí)現(xiàn)了超越。

就在AlphaFold2開(kāi)源論文登上Nature的同一天，Baker團(tuán)隊(duì)的RoseTTAFold也登上Science。

RoseTTAFold只需要一塊RTX2080顯卡，就能在10分鐘左右計(jì)算出400個(gè)氨基酸殘基以?xún)?nèi)的蛋白質(zhì)結(jié)構(gòu)。

這樣的速度，意味著什么？

那就是研究蛋白質(zhì)的科學(xué)家不用再排隊(duì)申請(qǐng)超算資源了，小型團(tuán)隊(duì)和個(gè)人研究者只需要一臺(tái)普通的個(gè)人電腦就能輕松展開(kāi)研究。

RoseTTAFold的秘訣在于采用了3軌注意力機(jī)制，分別關(guān)注蛋白質(zhì)的一級(jí)結(jié)構(gòu)、二級(jí)結(jié)構(gòu)和三級(jí)結(jié)構(gòu)。

再通過(guò)在三者之間加上多處連接，使整個(gè)神經(jīng)網(wǎng)絡(luò)能夠同時(shí)學(xué)習(xí)3個(gè)維度層次的信息。

考慮到現(xiàn)在市場(chǎng)上顯卡不太好買(mǎi)，Baker團(tuán)隊(duì)還貼心的搭建了公共服務(wù)器，任何人都可以提交蛋白質(zhì)序列并預(yù)測(cè)結(jié)構(gòu)。

自服務(wù)器建立以來(lái)，已經(jīng)處理了來(lái)自全世界研究者提交的幾千個(gè)蛋白質(zhì)序列。

這還沒(méi)完，團(tuán)隊(duì)發(fā)現(xiàn)如果同時(shí)輸入多個(gè)氨基酸序列，RoseTTAFold還可以預(yù)測(cè)出蛋白質(zhì)復(fù)合體的結(jié)構(gòu)模型。

對(duì)于多個(gè)蛋白質(zhì)組成的復(fù)合體，RoseTTAFold的實(shí)驗(yàn)結(jié)果是在24GB顯存的英偉達(dá)Titan RTX上計(jì)算30分鐘左右。

現(xiàn)在整個(gè)網(wǎng)絡(luò)是用單個(gè)氨基酸序列訓(xùn)練的，團(tuán)隊(duì)下一步計(jì)劃用多序列重新訓(xùn)練，在蛋白質(zhì)復(fù)合體結(jié)構(gòu)預(yù)測(cè)上還可能有提升空間。

正如Baker所說(shuō)：

我們的成果可以幫助整個(gè)科學(xué)界，為生物學(xué)研究加速。

Alphafold2開(kāi)源地址：
https://github.com/deepmind/alphafold

RoseTTAFold開(kāi)源地址：
https://github.com/RosettaCommons/RoseTTAFold

相關(guān)論文：
Alphafold2:https://www.nature.com/articles/s41586-021-03819-2
RoseTTAFold：https://science.sciencemag.org/content/early/2021/07/14/science.abj8754