聪慧网-聪慧过人( 四 ) _生活百科

逻辑上看，就是把序列中某个氨基酸遮蔽住，然后用其它上下文氨基酸进行预测，能不能精准这个位置氨基酸种类，这需要花费很长时间进行训练，是比较耗时和耗资源的训练过程。

文章插图
这是20个氨基酸embedding，学出了20个词汇的向量表示就可以把向量投射二维空间上，右边绿色是疏水氨基酸，左边氨基酸都是带电荷氨基酸，叉是带负电，方框是带正电。
这是一个很有趣的现象，因为无监督学习自然就把这些氨基酸分开了，他们通过transformer还学到另一个结果，即预测三级结构上联系位点。
序列向量表示， AI可以被用作预测哪些氨基酸序列、哪些氨基酸之间可能发生一些联系，即在蛋白质三级结构中，有一些氨基酸因为距离比较近（8?内）而被认为发生相互作用。
两个氨基酸虽然比较近，但我们希望通过无监督学习，去预测某个蛋白质序列两个氨基酸之间的联系，实际上就是在无监督基础网络加简单训练任务，用transformer结构做线性回归，并加以预测。

文章插图
单从刚才介绍中，大家可以体会到把蛋白质当成一门语言，当成一个句子，从这样思路出发，去做无监督学习，就可以挖到很丰富信息。
接下来给大家介绍Alphafold 2工作。
实际上Alphafold 2前半段工作也是类似，对蛋白质进行表征，而且跟Facebook下一步工作方式是高度雷同，都用到共进化信息。
Alphafold 2去年参加了 CASP14竞赛，在第13和14届竞赛中连续两年都拿到Top1，评分达到了92.4高分；在一些很难靶上也达到87分，基本接近人类做种x-ray去解结构精度。

文章插图
其实， Alphafold 2用的数据就是亿级蛋白序列数据，用到10万级蛋白晶体结构数据，这些都是公开数据；

文章插图
算力上，它跟Facebook的算力消耗资源差不多；算法上，前半部分输入的是protein sequence，经过MSA蛋白序列多序列比对做embedding，与Facebook embedding工作是类似的。
之后， Alphafold 2通过两个层面做 self attention：一个层面是同源蛋白序列，另一条路是同一个蛋白序列内部按残基之间做，先输出两路信息，最后汇总给一个结构模型。
结构模型披露出来是一个3D的transformer，最后预测模型上的一些角，甚至预测SETI的一些位置，整个过程都是端到端训练。所以，就需要进一步验证挖掘蛋白质序列信息所能发挥的价值。
接下来给大家分享药物研发中非常重要的问题，活性的预测，或者说基于活性的药物筛选。
其中， AI的主要任务就是predict by the affinity，即对bind infinity进行预测。从而对小分子进行结合亲和力初筛，衡量小分子和蛋白口袋结合能力。
建模只要能衡量出来小分子对某个靶点相对binding能力就可以。

文章插图
比较精准的活性数据可以从PDBbind获取，这里有上万高质量活性数据。当然也可以从专利文献中去识别、提取更多数据。
预测BF就要了解影响它的因素，包括分子构象strain energy，溶剂影响、疏水作用，静电库伦作用、范德华作用等等。

文章插图
在AI进入之前，传统对接软件也是要解决这方面问题，有一些打分函数，从算法工程师角度就是线性回归模型。

以上关于本文的内容，仅作参考！温馨提示：如遇专业性较强的问题（如：疾病、健康、理财等），还请咨询专业人士给予相关指导!

「辽宁龙网」www.liaoninglong.com小编还为您精选了以下内容，希望对您有所帮助：