DeepMind构建了一个可以预测蛋白质折叠方式的人工智能
AlphabetInc．的DeepMind人工智能部门早已获得了另一项科学成就。该的组织透漏，它早已创建了一个人工智能系统，需要应付当今生物学中仅次于的挑战之一：仿真蛋白质的形状。该系统被称作AlphaFold，研发时间不少于两年。在美国国家综合医学科学院（U．S．NationalInstituteofGeneralMedicalSciences）举行的CASP仿真竞赛中，该软件精彩打败其他97种算法，随后DeepMind要求宣告该项目。
AlphabetInc．的DeepMind人工智能部门早已获得了另一项科学成就。该的组织透漏，它早已创建了一个人工智能系统，需要应付当今生物学中仅次于的挑战之一：仿真蛋白质的形状。该系统被称作AlphaFold，研发时间不少于两年。在美国国家综合医学科学院（U．S．NationalInstituteofGeneralMedicalSciences）举行的CASP仿真竞赛中，该软件精彩打败其他97种算法，随后DeepMind要求宣告该项目。
完全在每个生物过程中都会发挥作用的蛋白质是变形和拉链成各种形式的氨基酸链。蛋白质的形状是要求其不道德的主要因素之一。更佳地理解这些特性可以让科学家取得对某些疾病的新看法——这些疾病被指出是由错误拉链的蛋白质引发的，而且还不会找到有可能对药物研发简单的分子。DeepMind回应，AlphaFold代表了朝着构建这一目标行进的“重大进展”。
该系统可以根据所包括的氨基酸计算出来预测蛋白质的结构，这家Alphabet的子公司回应其精确程度相比之下低于现有方法。如果是手动仿真平均值大小的蛋白质的每一种有可能的结构，要花的时间比宇宙的年龄更长，考虑到这一事实，这种算法获得的成就就不是一件小事了。AlphaFold将任务分解成为两部分。首先，系统用于有关蛋白质的氨基酸组成的信息来分解其配置文件（即进行）结构的三维模型。
DeepMind说明说道：“我们网络预测的属性是：（a）氨基酸对之间的距离和（b）相连这些氨基酸的化学键之间的角度。”他们回应：“我们训练了一个神经网络来预测蛋白质中每对残基之间距离的分开产于。
然后将这些概率组合成一个分数，评估该蛋白质结构的精确程度。”三维模型准备就绪之后，AlphaFold就不会计算出来出该蛋白质最有可能的形状。
所有蛋白质偏向于拉链成尽量最节约能源形式，该系统利用这一事实来已完成这一步工作，这有助增大可能性。人工智能不会尝试有所不同的三维模型变体，以分解更加高效的版本，以后寻找最佳形式。
DeepMind回应：“我们的第一种方法创建在结构生物学中常用的技术基础之上，后用新的蛋白质片段重复更换蛋白质结构片段。”他们回应：“第二种方法通过梯度上升优化分数——一种常用于机器学习的数学技术，用作展开小的、渐进式的改良——以产生高度准确的结构。”据英国《卫报》（TheGuardian）报导，AlphaFold最初必须两周时间才能产生预测，但现在可以在几个小时内已完成任务。它在CASP仿真竞赛获取的43种蛋白质中，精确预测了25种，顺利打败参予测试的其他97种算法。
其中亚军只准确预测了三个。
本文关键词：DeepMind,构建,了,一个,可以,预测,wellbet手机官方登录,蛋白质,折叠
本文来源：wellbet手机官方登录-www.grademydaycare.com