AI 助理
备案控制台
开发者社区 人工智能 文章 正文

AlphaFold 再登 Nature！预测确定98.5%所有人类蛋白结构

2022-04-30 162
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写 侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介： AlphaFold 再登 Nature！预测确定98.5%所有人类蛋白结构

今天，DeepMind 与欧洲生物信息研究所(EMBL-EBI)合作发布了AlphaFold DB；利用 AlphaFold 确定了覆盖几乎整个人类蛋白质组（98.5% 的所有人类蛋白）的蛋白质的结构。

DeepMind 创始人兼首席执行官 Demis Hassabis 博士说：「我们使用 AlphaFold 生成了人类蛋白质组最完整、最准确的图片。我们相信这是迄今为止人工智能对推进科学知识所做的最重要贡献，也是人工智能可以为社会带来的各种好处的一个很好的例证 。」

这项最新的研究成果于 7 月 22 日以「Highly accurate protein structure prediction for the human proteome」为题发表在杂志《Nature》上。

文章标签：
人工智能
拉斯
目录
相关文章
楠竹11
|
7月前
|
机器学习/深度学习 人工智能 算法
从300亿分子中筛出6款，结构新且易合成，斯坦福抗生素设计AI模型登Nature子刊
【4月更文挑战第12天】斯坦福大学研究团队在Nature子刊发表论文，展示人工智能如何从300亿个分子中筛选出6种新型抗生素候选分子，为抗药性问题提供新解决方案。利用深度学习算法，AI模型考虑化学结构及合成可行性，发现独特化合物，加速药物研发。然而，成功应用还需临床试验验证及克服安全性和耐药性挑战。AI技术在药物设计中的角色引起关注，强调平衡使用与基础科学研究的重要性。
楠竹11
61 1
从300亿分子中筛出6款，结构新且易合成，斯坦福抗生素设计AI模型登Nature子刊
楠竹11
|
3月前
|
人工智能 自然语言处理 算法
GPT-4无师自通预测蛋白质结构登Nature子刊！LLM全面进军生物学，AlphaFold被偷家?
【9月更文挑战第17天】近日，《自然》子刊发表的一篇论文展示了GPT-4在预测蛋白质结构方面的惊人能力，这一突破不仅揭示了大型语言模型在生物学领域的巨大潜力，还可能影响传统预测工具如AlphaFold的地位。研究人员发现，GPT-4仅通过自然语言处理就能准确预测蛋白质的三维结构，包括常见的氨基酸序列和复杂的α-螺旋结构。实验结果显示，其预测精度与实际结构非常接近。这一成果意味着自然语言处理技术也可应用于生物学研究，但同时也引发了关于其局限性和对现有工具影响的讨论。论文详情见：https://www.nature.com/articles/s41598-024-69021-2
楠竹11
55 8
楠竹11
|
3月前
|
机器学习/深度学习 人工智能 芯片
牛津光计算论文登Nature正刊，分析帕金森患者步态准确率达92.2%
【9月更文挑战第23天】牛津大学研究人员在《自然》杂志上发表了一篇关于光计算的重要论文，展示了一种利用光的局部相干性增强光子计算并行性的新方法。该技术通过部分相干光与重建方法结合，提高了处理效率和并行性，同时降低了对相移器和微环谐振器的依赖，展示了在光子张量核心中的应用潜力，并在实际计算任务中实现了高准确率。这项突破有望推动光子处理器在人工智能领域的广泛应用。
楠竹11
44 5
楠竹11
|
4月前
|
机器学习/深度学习 自然语言处理
准确率达60.8%，浙大基于Transformer的化学逆合成预测模型，登Nature子刊
【8月更文挑战第29天】浙江大学团队在《Nature》子刊上发表的论文介绍了一款名为EditRetro的基于Transformer架构的化学逆合成预测模型，其准确率高达60.8%，为化学合成领域带来了革命性的变化。此模型无需依赖传统化学反应模板，具备更强的泛化能力和多样化合成路线生成能力，在药物研发和材料科学领域展现出巨大潜力，尽管仍存在一定的错误率和计算资源需求高等挑战。论文详情见：https://www.nature.com/articles/s41467-024-50617-1。
楠竹11
63 3
楠竹11
|
5月前
|
人工智能 算法 数据挖掘
语义熵识破LLM幻觉！牛津大学新研究登Nature
【7月更文挑战第22天】牛津大学研究者在Nature发布"使用语义熵检测大模型幻觉"。语义熵新方法有效识别大模型(LLMs)生成的不实或误导信息，通过聚类分析不同回答的语义等价性并计算概率，展示超越基线的幻觉检测能力，提升LLMs的可靠性。
楠竹11
174 7
楠竹11
|
5月前
|
数据采集 机器学习/深度学习 人工智能
AI小分子药物发现的百科全书，康奈尔、剑桥、EPFL等研究者综述登Nature子刊
【7月更文挑战第12天】康奈尔、剑桥及EPFL科学家合作，详述AI在药物发现中的突破与挑战[^1]。AI现用于新化合物生成、现有药物优化及再利用，加速研发进程。尽管取得进展，可解释性不足、数据质量和伦理监管仍是待解难题。 [^1]: [论文链接](https://www.nature.com/articles/s42256-024-00843-5)
楠竹11
69 3
楠竹11
|
6月前
|
数据采集 人工智能 算法
ICLR 2024 Spotlight：单模型斩获蛋白质突变预测榜一！西湖大学提出基于结构词表方法
【6月更文挑战第1天】西湖大学团队研发的蛋白质语言模型SaProt，在结构词表方法下，于蛋白质突变预测任务中荣登榜首。SaProt利用Foldseek编码的结构标记理解蛋白质行为，超越现有基准模型，在10个下游任务中表现出色。尽管训练资源需求大，且有特定任务优化空间，但该模型为生物医学研究带来新工具，促进科学理解与合作。论文链接：[https://www.biorxiv.org/content/10.1101/2023.10.01.560349v4](https://www.biorxiv.org/content/10.1101/2023.10.01.560349v4)
楠竹11
201 7
楠竹11
|
7月前
|
机器学习/深度学习 人工智能
辉瑞 AI 方法登 Science，揭示数以万计的配体-蛋白质相互作用
【5月更文挑战第15天】辉瑞研究人员在《Science》发表论文，利用深度学习模型PLIN预测和分析数以万计的蛋白质-配体相互作用，有望加速药物研发，提高药物效果和安全性。实验显示模型在1000多对数据上表现良好，但对复杂相互作用和泛化能力仍有待改进。[链接](https://www.science.org/doi/10.1126/science.adk5864)
楠竹11
52 3
楠竹11
|
7月前
|
机器学习/深度学习
药物分子设计新策略，微软条件扩散模型DiffLinker登Nature子刊
【5月更文挑战第5天】微软研究院在Nature子刊发表新成果，提出药物分子设计模型DiffLinker。该深度学习模型利用扩散过程生成具有特定化学性质的分子结构，优化药物效能。DiffLinker能加速设计过程，提高效率，但需大量数据训练，且生成结果可能受数据偏差影响。[[1](https://www.nature.com/articles/s42256-024-00815-9)]
楠竹11
70 2
-开发达人-
|
机器学习/深度学习 算法 异构计算
突破神经网络限制，量子蒙特卡洛研究新进展登Nature子刊
突破神经网络限制，量子蒙特卡洛研究新进展登Nature子刊
-开发达人-
166 0

热门文章

最新文章

  • 1
    天猫精灵开放平台-之小百科测评
  • 2
    语义检索系统：基于Milvus 搭建召回系统抽取向量进行检索，加速索引
  • 3
    3D立方体图片切换动画
  • 4
    模态对话框和非模态对话框
  • 5
    java03
  • 6
    冒泡排序
  • 7
    Windows XP客户端加域操作手册上
  • 8
    微信 6.5.1 for iOS发布 可以在朋友圈分享相册中的视频
  • 9
    Chapter 1: Creating the GUI Form and Adding Widgets
  • 10
    【Mockplus教程】帐号和购买
  • 1
    「Mac畅玩鸿蒙与硬件42」UI互动应用篇19 - 数字键盘应用
    33
  • 2
    赋能加速AI应用交付，F5 BIG-IP Next for Kubernetes方案解读
    28
  • 3
    RAG分块策略：主流方法（递归、jina-seg）+前沿推荐（Meta-chunking、Late chunking、SLM-SFT）
    24
  • 4
    Python学习的自我理解和想法（2）
    25
  • 5
    Transformer图解
    31
  • 6
    API安全专题：如何有效应对新型Bot攻击？
    17
  • 7
    Selenium IDE：Web自动化测试的得力助手
    31
  • 8
    《docker高级篇（大厂进阶）：5.Docker-compose容器编排》包括是什么能干嘛去哪下、Compose核心概念、Compose使用三个步骤、Compose常用命令、Compose编排微服务
    47
  • 9
    24/7全时守护：AI视频监控技术的深度实现与应用分享
    38
  • 10
    《docker高级篇（大厂进阶）：6.Docker轻量级可视化工具Portainer》
    25

    • 相关课程

    更多
  • 南瓜书《机器学习公式推导》
  • 【深度有趣】上海交大博士带你玩转GAN生成对抗网络
  • 计算机视觉类比赛汇总
  • 跨越N次元 一键变身AI漫画人
  • 机器学习基础与回归算法
  • 场景实践 - 基于阿里云PAI机器学习平台使用时间序列分解模型预测商品销量

    • 相关电子书

    更多
  • 弱监督机器学习研究新进展
  • 概率图模型
  • 语义技术在儿童及其人上的突破

    • 相关实验场景

    更多
  • AI克隆声音，基于函数计算部署GPT-Sovits语音生成模型
  • 一键创建和部署高分电影推荐语音技能
  • 推荐系统入门之使用ALS算法实现打分预测
    • 下一篇
    阿里云无影云电脑免费试用，最长可试用3个月