人工智能优点(人工智能优点论文)

 

科技日报北京9月18日电 (记者张梦然)在过去两年中，机器学习彻底改变了蛋白质结构预测。现在，《科学》杂志上的3篇论文描述了蛋白质设计方面的革命：华盛顿大学医学院生物学家的研究表明，机器学习可比以前更准确、更快速地创建蛋白质分子。科学家们希望这一进步将带来更多新的疫苗、疗法、碳捕获工具和可持续生物材料。

论文资深作者、华盛顿大学医学院生物化学教授、2021年生命科学突破奖获得者大卫·贝克表示，蛋白质是整个生物学的基础，但迄今在每种植物、动物和微生物中发现的蛋白质，远不到所有可能蛋白质的百分之一。有了这些新的软件工具，研究人员应该能够找到解决医学、能源和技术方面长期挑战的方案。

为了超越自然界中发现的蛋白质，贝克团队成员将蛋白质设计的挑战分解为3个部分，并为每个部分使用新的软件解决方案。

首先，必须生成新的蛋白质形状。在《科学》杂志上稍早发表的论文中，该团队设计人工智能(AI)通过两种方式生成新的蛋白质形状：第一种称为幻觉，类似于基于简单提示就能产生输出的工具；第二种称为修复，类似于现代搜索栏中的自动完成功能。

其次，为加快这一过程，团队设计了一种生成氨基酸序列的新算法。15日发表的论文描述了这个名为ProteinMPNN的工具，运行时间约为1秒，比以前最好的软件快200多倍。它不但结果优于以前的工具，还不需要专家定制即可运行。

第三，该团队使用深度思维公司开发的阿尔法折叠来独立评估他们提出的氨基酸序列是否可能折叠成预期的形状。

互联网小常识：CMIP 优点：每个变量不仅传递消息，而且还完成一定的网络管理任务，这样可减少管理者的负担并减少网络负载；安全性高，它拥有验证、访问控制和安全日志。缺点：占用资源多、MIB过于复杂,在CMIP之上缺少可一直使用的API以及相应的产品价格高。

互联网小常识：基础服务器一般是只有1个CPU，工作组级服务器一般支持1-2个CPU,部门级服务器一般支持2-4个CPU，企业级服务器一般支持4-8个CPU。

研究人员表示，预测蛋白质结构的软件是解决方案的一部分，但它本身无法提出任何新的东西。ProteinMPNN之于蛋白质设计，就像阿尔法折叠之于蛋白质结构预测。

在另一篇论文中，贝克实验室的一个团队证实，新机器学习工具的组合能可靠地生成在实验室中起作用的新蛋白质。

研究发现，新制造的蛋白质更有可能按预期折叠，因此可使用这一方法创建非常复杂的蛋白质组装体。这是蛋白质设计中机器学习的开端。贝克说。

【总编辑圈点】

作为复杂的大分子，蛋白质结构相关研究难度颇高。而人工智能的出场，可以大大提升蛋白质结构相关研究的效率，为生命科学领域的科学家们帮上大忙。几年前推出的阿尔法折叠，可以利用人工智能预测蛋白质的结构，曾一度震动生命科学界。如今，这项最新研究可以利用人工智能设计全新的蛋白质，更进一步彰显了人工智能在生命科学领域的巨大潜能。 【编辑:陈文韬】

互联网小常识：HiperLAN/2面向连接的特性有利于实现对Qos的支持。

免责声明：本站所有信息均搜集自互联网，并不代表本站观点，本站不对其真实合法性负责。如有信息侵犯了您的权益，请告知，本站将立刻处理。联系QQ：1640731186