相信很多大家對(duì)拿下諾貝爾化學(xué)獎(jiǎng)，類(lèi)谷歌AlphaFold開(kāi)源蛋白質(zhì)大模型還不知道吧，今天菲菲就帶你們一起去了解一下~.~！

本周谷歌DeepMind聯(lián)合創(chuàng)始人兼首席執(zhí)行官Demis Hassabis憑借AlphaFold系列模型拿下諾貝爾化學(xué)獎(jiǎng)，創(chuàng)造了AI大模型首次拿下諾獎(jiǎng)的歷史。

尤其是最新發(fā)布的AlphaFold-3在生物分子結(jié)構(gòu)、蛋白-配體結(jié)構(gòu)、生物復(fù)合體等方面獲得了很大提升，可顯著加速人類(lèi)對(duì)新藥物的研發(fā)進(jìn)程。

但AlphaFold-3模型是閉源的，并且在使用方面對(duì)于一些國(guó)家/地區(qū)也存在限制。所以，AI研究團(tuán)隊(duì)Chai開(kāi)源了類(lèi)似的多模態(tài)分子結(jié)構(gòu)預(yù)測(cè)模型Chai-1。

開(kāi)源地址:https://github.com/chaidiscovery/chai-lab/

在線地址:https://lab.chaidiscovery.com/auth/login?

雖然最近兩年很多大模型也能預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu)，但在多聚體預(yù)測(cè)或蛋白質(zhì) - 配體相互作用等方面的表現(xiàn)并不理想。

這是因?yàn)榈鞍踪|(zhì)多聚體的結(jié)構(gòu)和相互作用非常復(fù)雜，涉及到多個(gè)蛋白質(zhì)分子之間的精確排列和相互作用。使得模型在處理這種復(fù)雜性時(shí)可能存在困難，難以準(zhǔn)確捕捉到多聚體中各個(gè)蛋白質(zhì)分子之間的微妙相互作用和空間關(guān)系。

例如，多聚體中蛋白質(zhì)分子的相對(duì)取向、結(jié)合位點(diǎn)的精確位置以及分子間的動(dòng)態(tài)變化等因素對(duì)于其功能和活性至關(guān)重要，但現(xiàn)有的大模型可能無(wú)法充分考慮這些因素，導(dǎo)致預(yù)測(cè)結(jié)果不夠準(zhǔn)確。

而Chai-1的模型架構(gòu)充分考慮了蛋白質(zhì)多聚體的復(fù)雜性，使用了多種先進(jìn)的技術(shù)來(lái)提高對(duì)多聚體結(jié)構(gòu)和相互作用的預(yù)測(cè)能力。

在模型架構(gòu)方面，Chai -1通過(guò)引入來(lái)自大型蛋白質(zhì)語(yǔ)言模型的殘基級(jí)嵌入，能夠更好地捕捉蛋白質(zhì)序列中的信息，從而提高在單序列預(yù)測(cè)方面的能力。使得模型在處理缺乏多序列比對(duì)信息的情況時(shí)，仍然能夠準(zhǔn)確預(yù)測(cè)蛋白質(zhì)的結(jié)構(gòu)。

Chai -1還添加了約束特征，包括口袋約束、接觸約束和對(duì)接約束等。這些約束特征能夠模擬實(shí)驗(yàn)中觀察到的蛋白質(zhì)與其他分子之間的相互作用，幫助模型更準(zhǔn)確地捕捉多聚體中各個(gè)蛋白質(zhì)分子之間的微妙相互作用和空間關(guān)系。

例如，口袋約束可以指定蛋白質(zhì)口袋與配體之間的距離限制，接觸約束可以模擬蛋白質(zhì)分子之間的接觸情況，對(duì)接約束可以幫助模型確定蛋白質(zhì)分子的相對(duì)取向。

此外，Chai -1在處理多聚體中蛋白質(zhì)分子的相對(duì)取向時(shí)，能夠利用其強(qiáng)大的計(jì)算能力和優(yōu)化算法，對(duì)各種可能的取向進(jìn)行全面的搜索和評(píng)估，從而找到最優(yōu)的取向組合。

對(duì)于結(jié)合位點(diǎn)的精確位置，Chai -1通過(guò)對(duì)大量訓(xùn)練數(shù)據(jù)的學(xué)習(xí)，能夠識(shí)別出微小的結(jié)構(gòu)特征和化學(xué)信號(hào)，從而更準(zhǔn)確地確定結(jié)合位點(diǎn)的位置。

同時(shí)，Chai -1還能夠模擬分子間的動(dòng)態(tài)變化，考慮了蛋白質(zhì)分子的柔性和運(yùn)動(dòng)性，通過(guò)引入動(dòng)態(tài)模型或采用機(jī)器學(xué)習(xí)算法來(lái)捕捉分子間的動(dòng)態(tài)相互作用，從而更好地預(yù)測(cè)多聚體在不同條件下的結(jié)構(gòu)和功能。

根據(jù)測(cè)試數(shù)據(jù)顯示，Chai -1僅根據(jù)蛋白質(zhì)序列和配體的化學(xué)組成，實(shí)現(xiàn)了77%的配體 RMSD 成功率，與 AlphaFold3的76%相當(dāng);

在一個(gè)包含268個(gè)界面、跨越129個(gè)結(jié)構(gòu)的評(píng)估集中，Chai-1無(wú)論是使用或不使用多重序列比對(duì)，在單序列模式下在抗體-蛋白的預(yù)測(cè)上顯著優(yōu)于AlphaFold2.3。這表明Chai-1在處理抗體這類(lèi)高度變異的免疫蛋白質(zhì)序列時(shí)快速且準(zhǔn)確率非常高。

以上就是關(guān)于【拿下諾貝爾化學(xué)獎(jiǎng)，類(lèi)谷歌AlphaFold開(kāi)源蛋白質(zhì)大模型】的相關(guān)內(nèi)容，希望對(duì)大家有幫助！

　　免責(zé)聲明：本文由用戶(hù)上傳，與本網(wǎng)站立場(chǎng)無(wú)關(guān)。財(cái)經(jīng)信息僅供讀者參考，并不構(gòu)成投資建議。投資者據(jù)此操作，風(fēng)險(xiǎn)自擔(dān)。 如有侵權(quán)請(qǐng)聯(lián)系刪除！