欧美色盟,色婷婷AV一区二区三区之红樱桃,亚洲精品无码一区二区三区网雨,中国精品视频一区二区三区

 繼2021年9月聯合華為云發布蛋白質多序列比對開源數據集后，北京大學化學與分子工程學院、北京大學生物醫學前沿創新中心（BIOPIC）、昌平實驗室、深圳灣實驗室高毅勤課題組在蛋白質結構預測領域再次取得突破性進展。近日，他們聯合華為昇思MindSpore團隊推出了基于AlphaFold2算法的蛋白質結構預測推理工具，相關模型代碼依托于華為全場景AI計算框架MindSpore進行開源開放、定期擴展與維護，旨在為全世界相關的產、學、研團隊提供優質的國產軟硬件解決方案。

  蛋白質在分子生物學的中心法則中具有重要地位，在各種生命過程中不可或缺，但是傳統的蛋白質結構解析實驗難度大，而計算機預測方法則一直存在計算精度不足的缺陷。2020年谷歌DeepMind團隊發布了人工智能蛋白質結構預測模型AlphaFold2【1】，使得計算機蛋白質結構預測工具精度可與實驗方法相媲美，被Nature等雜志喻為“前所未有的進步”。本次高毅勤課題組推出的蛋白結構預測工具依托華為昇思MindSpore，可對氨基酸序列長度2000+的蛋白質結構進行解析，能覆蓋約99%以上的蛋白序列【2】。同時，借助異構計算架構CANN（Compute Architecture for Neural Network）釋放昇騰AI處理器的澎湃算力，通過軟硬件協同優化大大提高了蛋白質預測的計算效率。參考DeepMind于2021年7月份開源的蛋白質結構預測模型AlphaFold2【3】，本次開源的蛋白質結構預測推理工具模型部分與其相同，在多序列比對階段則采用了MMseqs2進行序列檢索【4】，相比于原版算法端到端運算速度有2-3倍的提升。準確、快速的蛋白質結構預測不僅可以在學術研究領域幫助科學家快速獲得或驗證關鍵蛋白結構，從而促進人們對重要生命過程分子機理的理解，而且在醫療健康和生物工程領域也將作為有力的工具，引發藥物靶點發現、功能蛋白設計（如抗體和人工酶）以及大分子（蛋白）或小分子藥物高通量虛擬篩選的革命。

圖1 昇思MindSpore模型與AlphaFold2精度對比

圖2 通過昇思MindSpore預測的T1079（綠色代表實驗結構，紅色代表預測結構）

   針對蛋白質結構預測及折疊問題，聯合團隊未來還會發布創新的全棧（算法+軟件+硬件）國產自主可控技術，同時也會牽手更多的學術科研界合作伙伴，在計算生物、計算材料、工業仿真等更廣泛的科學計算領域深耕，促進國內相關基礎研究的發展。

【1】Jumper J, Evans R, Pritzel A, et al. Applying and improving AlphaFold at CASP14[J]. Proteins: Structure, Function, and Bioinformatics, 2021.

【2】https://ftp.uniprot.org/pub/databases/uniprot/previous_releases/release-2021_02/knowledgebase/UniProtKB_TrEMBL-relstat.html

【3】Jumper J, Evans R, Pritzel A, et al. Highly accurate protein structure prediction with AlphaFold[J]. Nature, 2021, 596(7873): 583-589.

【4】Mirdita M, Ovchinnikov S, Steinegger M. ColabFold-Making protein folding accessible to all[J]. BioRxiv, 2021.

代碼開源路徑：

https://gitee.com/mindspore/mindscience/tree/master/MindSPONGE/mindsponge/fold