AlphaFold技術(shù)揭秘----DeepMind如何破解蛋白質(zhì)折疊預(yù)測難題

【GiantPandaCV導(dǎo)語】視頻內(nèi)容主要是關(guān)于 DeepMind AlphaFold1 論文的解讀，還有根據(jù)有限的資料分析了下 AlphaFold2 系統(tǒng)。

視頻太長不看版：

視頻內(nèi)容主要是是關(guān)于 AlphaFold1 系統(tǒng)的論文解讀，還有根據(jù)有限的資料猜想了下 AlphaFold2?系統(tǒng)的組成部分，因?yàn)?AlphaFold2?的論文目前還沒發(fā)表，所以目前沒辦法解讀。

視頻開篇簡要介紹了下蛋白質(zhì)和氨基酸的相關(guān)的知識，還有目前預(yù)測蛋白質(zhì)結(jié)構(gòu)的困難。

蛋白質(zhì)的功能主要由其3d結(jié)構(gòu)決定，而與組成其成分的氨基酸關(guān)系不大。

目前已有的蛋白質(zhì)結(jié)構(gòu)推斷方法是比如 X射線晶體衍射技術(shù)，但是這個(gè)過程極其復(fù)雜而且價(jià)格也很昂貴。

所以如果能通過計(jì)算機(jī)模型，輸入氨基酸序列或者DNA序列就能預(yù)測出蛋白質(zhì)的三維結(jié)構(gòu)，那么不僅剩錢也能加速整個(gè)研究的進(jìn)程。

AlphaFold1

先看下兩張系統(tǒng)示意圖：

??

系統(tǒng)分為兩個(gè)階段，上兩個(gè)結(jié)構(gòu)示意圖中，黃色，綠色和紅色的部分表示第一階段，藍(lán)色表示第二階段。

第一階段：

就是一個(gè)深度卷積神經(jīng)網(wǎng)絡(luò)，主要由殘差塊組成。輸入是關(guān)于這個(gè)氨基酸鏈的特征，包含很多種類的特征。輸出則包括，氨基酸鏈中每個(gè)氨基酸與其他位置氨基酸的距離預(yù)測矩陣，還有扭轉(zhuǎn)的角度等等，但是最重要的是這個(gè)距離預(yù)測矩陣。

本質(zhì)上第一階段要解決的就是一個(gè) image to image 的問題

第二階段：

首先構(gòu)建了一個(gè)可微分蛋白質(zhì)幾何模型，然后把這個(gè)模型的輸出與第一階段網(wǎng)絡(luò)的預(yù)測結(jié)果計(jì)算loss。再通過單純的梯度下降回傳，修正幾何模型中蛋白質(zhì)的扭轉(zhuǎn)角度，得到新的預(yù)測結(jié)果，再計(jì)算loss，再回傳，反復(fù)迭代直到穩(wěn)定之后，就得到了蛋白質(zhì)的三維結(jié)構(gòu)。

AlphaFold2

根據(jù)DeepMind博客的內(nèi)容， 猜測 AlphaFold2 應(yīng)該是一個(gè) end2end 的系統(tǒng)，而且卷積網(wǎng)絡(luò)應(yīng)該是被 transformer 替代了。

相關(guān)資料：

[1]https://deepmind.com/blog/article/alphafold-a-solution-to-a-50-year-old-grand-challenge-in-biology

[2]https://towardsdatascience.com/alphafold-2-explained-a-semi-deep-dive-fa7618c1a7f6

[3]https://github.com/deepmind/deepmind-research/tree/master/alphafold_casp13

[4]https://www.nature.com/articles/s41586-019-1923-7%20