喜大普奔！今天一波Nature、Science齊發(fā)文，可把學(xué)術(shù)圈的嗑鹽人們高興壞了。

一邊是“AI界年度十大突破”AlphaFold2終于終于開源，登上Nature。

另一邊Science又出報(bào)道：華盛頓大學(xué)竟然還搞出了一個比AlphaFold2更快更輕便的算法，只需要一個英偉達(dá)RTX2080 GPU，10分鐘就能算出蛋白質(zhì)結(jié)構(gòu)！

要知道，當(dāng)年AlphaFold2橫空出世，那是真·沸騰了學(xué)術(shù)圈。

不僅谷歌CEO皮猜、馬斯克、李飛飛等大V紛紛點(diǎn)贊，連馬普所的演化生物研究所所長Andrei Lupas都直言：它會改變一切。

結(jié)構(gòu)生物學(xué)家Petr Leiman感嘆，我用價(jià)值一千萬美元的電鏡努力地解了好幾年，Alphafold2竟然一下就算出來了。

更是有生物學(xué)網(wǎng)友表示絕望，感覺專業(yè)“前途渺茫”：

而今天這一波Nature、Science神仙打架，再次點(diǎn)燃話題度。

讓學(xué)界狂熱的Alphafold2

先說被頂刊爭相報(bào)道的Alphafold2，它作為一個AI模型，為何引起各界狂熱？

因?yàn)樗怀鰜恚徒鉀Q了生物學(xué)界最棘手的問題之一。這個問題于1972年被克里斯蒂安·安芬森提出，它的驗(yàn)證曾經(jīng)困擾科學(xué)家50年：

給定一個氨基酸序列，理論上就能預(yù)測出蛋白質(zhì)的3D結(jié)構(gòu)。

蛋白質(zhì)由氨基酸序列組成，但真正決定蛋白質(zhì)作用的，是它的3D結(jié)構(gòu)，也就是氨基酸序列的折疊方式。

為了驗(yàn)證這個理論，科學(xué)家們嘗試了各種手段，但在CASP14（蛋白質(zhì)結(jié)構(gòu)預(yù)測比賽）中，準(zhǔn)確性也只達(dá)到40分左右（滿分100）。

直到去年12月，Alphafold2出現(xiàn)，將這一準(zhǔn)確性直接拔高到了92.4/100，和蛋白質(zhì)真實(shí)結(jié)構(gòu)之間只差一個原子的寬度，真正解決了蛋白質(zhì)折疊的問題。

Alphafold2于當(dāng)年入選Science年度十大突破，被稱作結(jié)構(gòu)生物學(xué)“革命性”的突破、蛋白質(zhì)研究領(lǐng)域的里程碑。

它的出現(xiàn)，能更好地預(yù)判蛋白質(zhì)與分子結(jié)合的概率，從而極大地加速新藥研發(fā)的效率。

今天，Alphafold2的開源，又進(jìn)一步在AI和生物學(xué)界激起了一大波浪。

谷歌CEO皮猜很高興：

亦有生物學(xué)博士表示：未來已來！

來自UC伯克利AI實(shí)驗(yàn)室的博士Roshan Rao在看過后表示，這份代碼看起來不僅容易使用，而且文檔也非常完善。

現(xiàn)在，是時候借著這份開源算法，弄清Alphafold2的魔術(shù)是怎么變的了。

AlphaFold2詳細(xì)信息公開

研究人員強(qiáng)調(diào)，這是一個完全不同于AlphaFold的新模型。

2018年的AlphaFold使用的神經(jīng)網(wǎng)絡(luò)是類似ResNet的殘差卷積網(wǎng)絡(luò)，到了AlphaFold2則借鑒了AI研究中最近新興起的Transformer架構(gòu)。

Transformer使用注意力機(jī)制興起于NLP領(lǐng)域，用于處理一連串的文本序列。

而氨基酸序列正是和文本類似的數(shù)據(jù)結(jié)構(gòu)，AlphaFold2利用多序列比對，把蛋白質(zhì)的結(jié)構(gòu)和生物信息整合到了深度學(xué)習(xí)算法中。

AlphaFold2用初始氨基酸序列與同源序列進(jìn)行比對，直接預(yù)測蛋白質(zhì)所有重原子的三維坐標(biāo)。

從模型圖中可以看到，輸入初始氨基酸序列后，蛋白質(zhì)的基因信息和結(jié)構(gòu)信息會在數(shù)據(jù)庫中進(jìn)行比對。

多序列比對的目標(biāo)是使參與比對的序列中有盡可能多的序列具有相同的堿基，這樣可以推斷出它們在結(jié)構(gòu)和功能上的相似關(guān)系。

比對后的兩組信息會組成一個48block的Evoformer塊，然后得到較為相似的比對序列。

比對序列進(jìn)一步組合8 blocks的結(jié)構(gòu)模型，從而直接構(gòu)建出蛋白質(zhì)的3D結(jié)構(gòu)。

最后兩步過程還會進(jìn)行3次循環(huán)，可以使預(yù)測更加準(zhǔn)確。

△如何用三維坐標(biāo)確定結(jié)構(gòu)

還有更快、成本更低的算法？

AlphaFold2首次公布的時候并沒有透露太多技術(shù)細(xì)節(jié)。

在華盛頓大學(xué)，同樣致力于蛋白質(zhì)領(lǐng)域的David Baker一度陷入失落：如果有人已經(jīng)解決了你正在研究的問題，但沒有透露他們是如何解決的，你該如何繼續(xù)研究?

不過他馬上重整旗鼓，帶領(lǐng)團(tuán)隊(duì)嘗試能不能復(fù)現(xiàn)AlphaFold2的成功。

幾個月后，Baker團(tuán)隊(duì)的成果不僅在準(zhǔn)確度上和AlphaFold2不相上下，還在計(jì)算速度和算力需求上實(shí)現(xiàn)了超越。

就在AlphaFold2開源論文登上Nature的同一天，Baker團(tuán)隊(duì)的RoseTTAFold也登上Science。

RoseTTAFold只需要一塊RTX2080顯卡，就能在10分鐘左右計(jì)算出400個氨基酸殘基以內(nèi)的蛋白質(zhì)結(jié)構(gòu)。

這樣的速度，意味著什么？

那就是研究蛋白質(zhì)的科學(xué)家不用再排隊(duì)申請超算資源了，小型團(tuán)隊(duì)和個人研究者只需要一臺普通的個人電腦就能輕松展開研究。

RoseTTAFold的秘訣在于采用了3軌注意力機(jī)制，分別關(guān)注蛋白質(zhì)的一級結(jié)構(gòu)、二級結(jié)構(gòu)和三級結(jié)構(gòu)。

再通過在三者之間加上多處連接，使整個神經(jīng)網(wǎng)絡(luò)能夠同時學(xué)習(xí)3個維度層次的信息。

考慮到現(xiàn)在市場上顯卡不太好買，Baker團(tuán)隊(duì)還貼心的搭建了公共服務(wù)器，任何人都可以提交蛋白質(zhì)序列并預(yù)測結(jié)構(gòu)。

自服務(wù)器建立以來，已經(jīng)處理了來自全世界研究者提交的幾千個蛋白質(zhì)序列。

這還沒完，團(tuán)隊(duì)發(fā)現(xiàn)如果同時輸入多個氨基酸序列，RoseTTAFold還可以預(yù)測出蛋白質(zhì)復(fù)合體的結(jié)構(gòu)模型。

對于多個蛋白質(zhì)組成的復(fù)合體，RoseTTAFold的實(shí)驗(yàn)結(jié)果是在24GB顯存的英偉達(dá)Titan RTX上計(jì)算30分鐘左右。

現(xiàn)在整個網(wǎng)絡(luò)是用單個氨基酸序列訓(xùn)練的，團(tuán)隊(duì)下一步計(jì)劃用多序列重新訓(xùn)練，在蛋白質(zhì)復(fù)合體結(jié)構(gòu)預(yù)測上還可能有提升空間。

正如Baker所說：我們的成果可以幫助整個科學(xué)界，為生物學(xué)研究加速。