<kbd id="afajh"><form id="afajh"></form></kbd>
<strong id="afajh"><dl id="afajh"></dl></strong>
    <del id="afajh"><form id="afajh"></form></del>
        1. <th id="afajh"><progress id="afajh"></progress></th>
          <b id="afajh"><abbr id="afajh"></abbr></b>
          <th id="afajh"><progress id="afajh"></progress></th>

          90后斯坦福博士論文登Science封面!AI算法準(zhǔn)確預(yù)測(cè)RNA三維結(jié)構(gòu)

          共 2338字,需瀏覽 5分鐘

           ·

          2021-08-28 22:39


            新智元報(bào)道  

          來(lái)源:Science

          編輯:yaxin、su

          【新智元導(dǎo)讀】半個(gè)世紀(jì)以來(lái),確定RNA三維結(jié)構(gòu)一直困惑著科學(xué)家,也成為生物學(xué)的重大挑戰(zhàn)之一。而現(xiàn)在,90后斯坦福大學(xué)博士和團(tuán)隊(duì)通過(guò)新型AI算法——ARES準(zhǔn)確預(yù)測(cè)出RNA三維結(jié)構(gòu),堪比AlphaFold,是生物界「海嘯級(jí)」存在!


          我們對(duì)大部分RNA的結(jié)構(gòu)幾乎一無(wú)所知。
           
           
          半個(gè)世紀(jì)以來(lái),確定生物分子的三維結(jié)構(gòu)一直困惑著科學(xué)家,也是生物學(xué)的重大挑戰(zhàn)之一。
           
          難就難在,RNA折疊成復(fù)雜三維結(jié)構(gòu)的形狀很難通過(guò)實(shí)驗(yàn)或計(jì)算來(lái)確定。
           

          而現(xiàn)在,美國(guó)斯坦福大學(xué)通過(guò)新型AI算法準(zhǔn)確預(yù)測(cè)出RNA三維結(jié)構(gòu),可謂意義重大!
           
          今天,Science 封面刊登了這項(xiàng)研究的最新成果,由斯坦福大學(xué)在讀博士生 Stephan Eismann 和 Raphael Townshend,以及計(jì)算機(jī)副教授 Ron Dror共同完成。
           
          他們利用目前先進(jìn)的神經(jīng)網(wǎng)絡(luò)技術(shù),成功開(kāi)發(fā)出了一種全新 RNA 三維結(jié)構(gòu)預(yù)測(cè)模型——ARES。
           

          從原子入手,機(jī)器學(xué)習(xí)算法預(yù)測(cè)RNA結(jié)構(gòu)!


          RNA 分子和蛋白質(zhì)一樣,會(huì)折疊成三維 (3D) 結(jié)構(gòu),來(lái)執(zhí)行一系列功能,如催化反應(yīng)、基因表達(dá)、調(diào)節(jié)先天免疫和感知小分子。
           
          RNA的三維結(jié)構(gòu)十分重要,有助于理解RNA發(fā)揮作用的機(jī)制、設(shè)計(jì)合成 RNA 和發(fā)現(xiàn) RNA 靶向藥物。
           

           
          人類基因組轉(zhuǎn)錄成 RNA 的部分是蛋白質(zhì)編碼的 30 倍左右,然而,我們對(duì)RNA結(jié)構(gòu)的認(rèn)知還遠(yuǎn)遠(yuǎn)不夠,已知的RNA結(jié)構(gòu)只是蛋白質(zhì)結(jié)構(gòu)的不到1%。
           
          本文的創(chuàng)新之處在于引入了一種新的機(jī)器學(xué)習(xí)方法,開(kāi)發(fā)出一個(gè)人工智能模型ARES(Atomic Rotationally Equivariant Scorer)來(lái)預(yù)測(cè)RNA結(jié)構(gòu),準(zhǔn)確率極高!
           
           
          而且,研究人員僅用了 18 個(gè)已知的 RNA 結(jié)構(gòu)進(jìn)行訓(xùn)練。
           
           
          更厲害的是,ARES無(wú)需對(duì)RNA的顯著特征進(jìn)行假設(shè),也就是說(shuō),它沒(méi)有關(guān)于雙螺旋、堿基對(duì)、核苷酸或氫鍵的先入為主的概念。
           
          這就使ARES可以適用于任何類型的分子系統(tǒng)!
           
           
          ARES包括一組已知 RNA 結(jié)構(gòu)的基序和這些結(jié)構(gòu)的替代(錯(cuò)誤)變體。
           
          通過(guò)調(diào)整參數(shù),ARES可以了解每個(gè)原子的功能和幾何排列,和不同原子間的相對(duì)位置。這也是與其他模型不同的一點(diǎn)。
           
          然后,神經(jīng)網(wǎng)絡(luò)各層可以計(jì)算不同粗細(xì)尺度的特征,來(lái)識(shí)別堿基對(duì)、RNA螺旋的最佳幾何形狀、三維空間結(jié)構(gòu)

           
           
          具體來(lái)看,ARES網(wǎng)絡(luò)的初始層旨在識(shí)別結(jié)構(gòu)基序(生物大分子中的保守序列),也就是說(shuō),基序的特點(diǎn)是在訓(xùn)練過(guò)程中學(xué)習(xí)的,而不是預(yù)先設(shè)定的。
           
          然后,根據(jù)前一層的特征和周圍原子的幾何排列,計(jì)算出每一個(gè)原子的特征。
           
          第一層的唯一輸入是每個(gè)原子的 3D 坐標(biāo)和化學(xué)元素種類。
           
           
          這些初始網(wǎng)絡(luò)層的架構(gòu)認(rèn)識(shí)到,給定的結(jié)構(gòu)基序彼此間通常有不同的定位,而且,較粗尺度的基序(如螺旋)通常包括更細(xì)尺度的基序(如堿基對(duì))的特定排列。
           
          另外,每一層都是旋轉(zhuǎn)和平移等變的,也就是說(shuō),輸入的旋轉(zhuǎn)或平移在輸出時(shí)有相應(yīng)的變換。
           
          以上特點(diǎn)可確保將已識(shí)別基序的方向和位置傳遞到ARES網(wǎng)絡(luò)的下一層,下一層則使用此信息來(lái)識(shí)別較粗尺度的基序。
           
          ARES 還可以預(yù)測(cè)全局屬性,同時(shí)詳細(xì)捕獲局部結(jié)構(gòu)基序和原子間相互作用。因?yàn)樗某跏紝釉诒镜厥占畔?,而其余層則匯總所有原子的信息。
           
          測(cè)試得出,ARES可以準(zhǔn)確識(shí)別結(jié)構(gòu)模型。
           
           
          對(duì)RNA結(jié)構(gòu)做出準(zhǔn)確預(yù)測(cè)。
           
           

          作者介紹


          文章一作是Rapha?l Townshend,1993年生于加拿大蒙特利爾,是斯坦福大學(xué)計(jì)算機(jī)科學(xué)博士,目前創(chuàng)辦了一家設(shè)計(jì)新分子和藥物的人工智能公司,并擔(dān)任CEO。
           
          個(gè)人主頁(yè):https://raphael.tc.com/
           
          2010-2014年,他曾在加州大學(xué)伯克利分校獲得電子工程與計(jì)算機(jī)科學(xué)學(xué)士學(xué)位。
           
          Townshend對(duì)機(jī)器學(xué)習(xí)、結(jié)構(gòu)生物學(xué)、高性能計(jì)算、計(jì)算機(jī)視覺(jué)這些領(lǐng)域的研究感興趣。
           
          他曾做過(guò)表情識(shí)別的一個(gè)CV項(xiàng)目。
           
          將呈現(xiàn)在受試者臉部的灰度圖像中的6種表情分類 (喜悅、悲傷、厭惡、憤怒、驚訝、恐懼)
           
           
          他利用 Gabor 濾波器對(duì)輸入圖像進(jìn)行一對(duì)多線性支持向量機(jī)訓(xùn)練。
           
          并使用了現(xiàn)有的標(biāo)準(zhǔn)數(shù)據(jù)集,比如,Cohn-Kanade 和 JAFFE,以及自己收集的47個(gè)主題的數(shù)據(jù)集。
           



          參考資料:

          http://science.sciencemag.org/content/373/6558/1047

          http://science.sciencemag.org/content/373/6558/964

          https://news.stanford.edu/2021/08/26/ai-algorithm-solves-structural-biology-challenges/

          https://twitter.com/raphaeljlt/with_replies



          瀏覽 58
          點(diǎn)贊
          評(píng)論
          收藏
          分享

          手機(jī)掃一掃分享

          分享
          舉報(bào)
          評(píng)論
          圖片
          表情
          推薦
          點(diǎn)贊
          評(píng)論
          收藏
          分享

          手機(jī)掃一掃分享

          分享
          舉報(bào)
          <kbd id="afajh"><form id="afajh"></form></kbd>
          <strong id="afajh"><dl id="afajh"></dl></strong>
            <del id="afajh"><form id="afajh"></form></del>
                1. <th id="afajh"><progress id="afajh"></progress></th>
                  <b id="afajh"><abbr id="afajh"></abbr></b>
                  <th id="afajh"><progress id="afajh"></progress></th>
                  18黄网站 | 操操操操操操操操逼 | 人人爽人人奭人人片AV | 丁香五月天av | 九九九国产 |