谷歌旗下人工智能公司DeepMind在题为“Highly accurate protein structure prediction with AlphaFold”的研究中宣布,人们发现了一种通过计算来预测蛋白质结构的方法。
即使在不知道相似结构的情况下,AI预测的蛋白质结构也能达到原子层面水平的准确度。
论文介绍称,AlphaFold2能在几分钟内预测出一个典型蛋白质的结构,还能预测较大蛋白质(比如一个含有2180个氨基酸、无同源结构的蛋白质)的结构,这一精准的预测算法可以让蛋白质结构解析技术跟上基因组革命的发展步伐。
同日,《科学》(Science)发表了另一种可准确预测蛋白折叠的新型神经网络RoseTTAFold。
该研究由美国华盛顿大学(University of Washington)的David Baker领导,在已有的AlphaFold2方法学进展和CASP14比赛模式的基础上,研究者们研发了一个个三轨(three-track)神经网络,可集成并同时处理1维(1D)蛋白序列、2D距离图和3D原子坐标等信息。
RoseTTAFold在预测蛋白质结构上,取得了媲美AlphaFold2的超高准确率,而且速度更快、所需要的计算机处理能力也较低。
据作者披露,除了预测准确外,RoseTTAFold网络还可快速解决挑战性的蛋白结构建模问题,为目前结构未知蛋白的功能提供线索。
研究者们表示,该模型预测的蛋白结构准确性逼近DeepMind的AlphaFold2,但其所用计算处理功率和时间仅为后者的零头。
在上传至GitHub后不久,该工具就已被140多个独立研究团队下载。
未来,来自世界各地的科学家们都可以使用它来构建蛋白质模型,加速自己的研究。
(原标题:同日登上顶刊!两大AI预测蛋白结构算法开源,实现超高准确率)