AI+Science：基于飞桨的AlphaFold2带你入门蛋白质结构预测
2022-06-30 01:14:36
1958年F.H.C. 克里克提出了生物学中苛重的中央规则，DNA-RNA-卵白质，中央规则注脚，DNA可能转录变成RNA，RNA再翻译成一个个氨基酸，结果组合变成卵白质。
通过中央规则不难看出，假设把DNA比喻为实行工业出产的安排远景，那么卵白质就像竣工这个远景的东西，是以说卵白质是通盘性命运动的根基，它险些到场了全面的生物学流程，如遗传、发育、孳乳等等。对卵白质实行深切地探索，能让咱们从更深宗旨讲明性命体的组成和运作蜕变顺序，进而一共揭示性命运转、发扬的机制，激励生物科学、药物研发、合成生物学、酶科学等范围的发扬。
因探究生物体内种种卵白质的功用及其机制等是目前卵白质探索的紧要内容，同时也是后基因组时间性命科学范围的紧要探索热门之一。卵白质的功用很大水准上取决于卵白质的组织，因而何如破解卵白质的三维组织成为了科学家探索的核心。
近些年来，跟着人工智能本领的发扬，深度研习等相干本领也被使用正在卵白质组织预测范围。2018年的CASP 13(邦际威望的卵白质组织预测竞赛，每2年举办一次)上，谷歌DeepMind团队的AlphaFold拿下了70众分，击败繁众探索团队，得到人工组第一，正在该范围得到了里程碑式的起色。正在2020年的CASP 14上，谷歌DeepMind团队的AlphaFold2以惊人的92.4分登顶第一[1]，这一结果也被以为是基础处分了“困扰了生物学家50年”的题目，获取强大冲破。92.4分，指的是对竞赛主意卵白的预测精度GDT_TS分数到达92.4，通常以为该分数跨越90分，基础可能替换试验体例啦，这也意味着AlphaFold2预测的结果与试验取得的卵白质组织基础相似。
2021年7月15日， DeepMind团队正在邦际顶级期刊《Nature》上发布论文，精确描写了AlphaFold2的安排思绪，并供给了可供运转的基于JAX的模子和代码[2]。推敲到JAX受众倾向专业的AI科学计划探索职员，且飞桨社区尚没有卵白质组织预测相干的开源项目，百度螺旋桨PaddleHelix生物计划团队，基于飞桨深度研习框架，复现了AlphaFold2模子，供给给昌大飞桨斥地者应用，助助公共神速初学卵白质组织预测。
AlphaFold2通过怪异的神经搜集和操练流程安排，第一次端到端地研习卵白质组织。扫数算法框架通过协同研习卵白质的众序列比对(MSA)和氨基酸对(pairwise)的外征，将卵白质序列的进化消息、卵白质组织的物理和几何抑制消息勾结到深度研习搜集中。咱们将从数据预管理、Evoformer和Structure Module三个模块解析AlphaFold2算法的安排思思。
预测卵白组织时，AlphaFold2会使用氨基酸序列消息正在卵白质库中探索众序列比对(MSA)。MSA可能反应氨基酸序列中的落后｜后进性区域(即禁止易爆发突变)，这些落后｜后进性区域和卵白质的组织息息相干，例如可以被折叠正在卵白质内层，禁止易和外界爆发彼此效用，进而不易受影响发作突变。正在AlphaFold2的数据预管理中，为了裁汰模子运算量，会先对MSA中的序列实行聚类，取每个种别中央的序列动作main MSA特点。除了MSA，AlphaFold2的另一个苛重输入是氨基酸对(pairwise)的特点。动作main MSA的添加，Alphafold2会随机采样非聚类中央的序列动作extra MSA输入一个4层的搜集提取pairwise特点，然后和模版提取的pairwise特点相加后取得最终pairwise特点。main MSA特点和pairwise特点通过48层Evoformer实行外征统一。
Evoformer搜集的安排动机是思使用Self-Attention机制研习卵白质的三角几何抑制消息，同时让MSA外征带来的共进化消息和pairwise外征的组织抑制消息彼此影响，使得模子能直接推理出空间消息和进化消息的合联。
Structure Module担任着把Evoformer取得的外征解码成卵白质中每个重原子(C,N,O,S)坐标的职分。为了简化从神经搜集预测值到原子坐标的转换，AlphaFold2勾结卵白质中20类氨基酸的组织性子，将重原子分成区别二面角转角裁夺的组，如许就可能按照给定的肇始处所，使用二面角和氨基酸已知的键长键角消息解码出原子坐标。这种组织编码要领比拟直接预测坐标(x,y,z)大大低浸了神经搜集的预测空间，使得端到端组织研习成为可以。
目前曾经基于飞桨框架复现了完全的AlphaFold2的inference个人，现已正式正在螺旋桨PaddleHelix平台开源：
为了运转基于飞桨框架的AF2，还需求卵白序列数据库和模子参数。基于飞桨框架的AF2应用和AlphaFold2相同的模子参数。
将下载一个裁汰版本的数据库，可能用于正在reduced_ dbs的修树下运转。裁汰的数据库的总下载巨细约为190GB，解压缩后的总下载巨细约为530GB。
保存与AlphaFold2相通的输出，输出将位于output_dir的子文献夹中。它们搜罗计划的MSAs、模子预测的卵白组织、OpenMM优化后的组织、模子打分排序、原始模子输出、预测元数据和模子运转计时。output_dir目次将具有以下组织:
一个PDB花样的文本文献，是挪用OpenMM取得的优化组织，修复了模子预测组织中的冲突，并增添H原子的坐标处所。
一个 PDB 花样的文本文献，是对OpenMM取得的优化组织遵守模子置信度的从头排序。这里应用预测的LDDT分数 (pLDDT)动作置信度评估。
一个pickle文献，个中包括一个由模子直接天生的种种 NumPy 数组的字典，除收场构模块的输出外，还搜罗辅助输出。
结果，可能应用pymol[3]等东西对预测组织和试验组织对齐。值得注脚的是，因为输入特点存正在采样操作，基于飞桨框架复现的AlphaFold2和JAX版本的预测组织可以会有略微区别，有时辰会和试验组织更切近，也可以不同稍大。
AlphaFold2固然正在单体卵白上显露优异，但对复合体，预测的凿凿度尚有待晋升。为此，DeepMind团队上线了AlphaFold-Multimer模子，一款针对复合物实行从头操练的神经搜集模子，愿望能带头飞桨社区斥地者们的主动性，沿途斥地优化基于AlphaFold-Multimer的模子，之后也开源功绩到飞桨平台，让更昌大的生信范围探索者们应用基于飞桨框架完整自助可控的卵白组织预测模子。
逐日头条、业界资讯、热门资讯、八卦爆料，全天跟踪微博播报。种种爆料、秘闻、花边、资讯一扫而光。百万互联网粉丝互动到场，TechWeb官方微博盼望您的眷注。