九九久久精品免费观看,蜜臀av午夜福利在线,后入内射无码人妻一区,六月婷婷精品视频在线观看,一区二区三区婷婷中文字幕,51精品免费视频国产专区,JIZZJIZZ国产,国产极品女主播国产区,亚洲一区二区三区国产精品 ,免费一看一级毛片

 繼2021年9月聯(lián)合華為云發(fā)布蛋白質(zhì)多序列比對開源數(shù)據(jù)集后，北京大學(xué)化學(xué)與分子工程學(xué)院、北京大學(xué)生物醫(yī)學(xué)前沿創(chuàng)新中心（BIOPIC）、昌平實(shí)驗(yàn)室、深圳灣實(shí)驗(yàn)室高毅勤課題組在蛋白質(zhì)結(jié)構(gòu)預(yù)測領(lǐng)域再次取得突破性進(jìn)展。近日，他們聯(lián)合華為昇思MindSpore團(tuán)隊(duì)推出了基于AlphaFold2算法的蛋白質(zhì)結(jié)構(gòu)預(yù)測推理工具，相關(guān)模型代碼依托于華為全場景AI計(jì)算框架MindSpore進(jìn)行開源開放、定期擴(kuò)展與維護(hù)，旨在為全世界相關(guān)的產(chǎn)、學(xué)、研團(tuán)隊(duì)提供優(yōu)質(zhì)的國產(chǎn)軟硬件解決方案。

  蛋白質(zhì)在分子生物學(xué)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(tǒng)的蛋白質(zhì)結(jié)構(gòu)解析實(shí)驗(yàn)難度大，而計(jì)算機(jī)預(yù)測方法則一直存在計(jì)算精度不足的缺陷。2020年谷歌DeepMind團(tuán)隊(duì)發(fā)布了人工智能蛋白質(zhì)結(jié)構(gòu)預(yù)測模型AlphaFold2【1】，使得計(jì)算機(jī)蛋白質(zhì)結(jié)構(gòu)預(yù)測工具精度可與實(shí)驗(yàn)方法相媲美，被Nature等雜志喻為“前所未有的進(jìn)步”。本次高毅勤課題組推出的蛋白結(jié)構(gòu)預(yù)測工具依托華為昇思MindSpore，可對氨基酸序列長度2000+的蛋白質(zhì)結(jié)構(gòu)進(jìn)行解析，能覆蓋約99%以上的蛋白序列【2】。同時(shí)，借助異構(gòu)計(jì)算架構(gòu)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(xié)同優(yōu)化大大提高了蛋白質(zhì)預(yù)測的計(jì)算效率。參考DeepMind于2021年7月份開源的蛋白質(zhì)結(jié)構(gòu)預(yù)測模型AlphaFold2【3】，本次開源的蛋白質(zhì)結(jié)構(gòu)預(yù)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(jìn)行序列檢索【4】，相比于原版算法端到端運(yùn)算速度有2-3倍的提升。準(zhǔn)確、快速的蛋白質(zhì)結(jié)構(gòu)預(yù)測不僅可以在學(xué)術(shù)研究領(lǐng)域幫助科學(xué)家快速獲得或驗(yàn)證關(guān)鍵蛋白結(jié)構(gòu)，從而促進(jìn)人們對重要生命過程分子機(jī)理的理解，而且在醫(yī)療健康和生物工程領(lǐng)域也將作為有力的工具，引發(fā)藥物靶點(diǎn)發(fā)現(xiàn)、功能蛋白設(shè)計(jì)（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(yù)測的T1079（綠色代表實(shí)驗(yàn)結(jié)構(gòu)，紅色代表預(yù)測結(jié)構(gòu)）

   針對蛋白質(zhì)結(jié)構(gòu)預(yù)測及折疊問題，聯(lián)合團(tuán)隊(duì)未來還會發(fā)布創(chuàng)新的全棧（算法+軟件+硬件）國產(chǎn)自主可控技術(shù)，同時(shí)也會牽手更多的學(xué)術(shù)科研界合作伙伴，在計(jì)算生物、計(jì)算材料、工業(yè)仿真等更廣泛的科學(xué)計(jì)算領(lǐng)域深耕，促進(jìn)國內(nèi)相關(guān)基礎(chǔ)研究的發(fā)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