强亲胸揉胸膜下刺激视频在线观看_少妇高潮无套内谢麻豆传_国产视频老司檆网手机版_丰满少妇作爱视频免费观看_调教玩弄胯下性奴唐舞桐_亚洲国产成人久久精品综合_国产蜜芽手机在线观看_久久高清欧美国产_国产高中生免费高清视频_日产一区日产2区

高毅勤課題組最新成果將開源：讓所有人都能做蛋白質(zhì)結(jié)構(gòu)預(yù)測！

發(fā)布時(shí)間：2022-07-09　　　來源:北大化學(xué)


 圖文來源于機(jī)器之心微信公眾號 
華為推出全流程蛋白質(zhì)結(jié)構(gòu)預(yù)測工具 MEGA-Protein（MindSpore for Evolutionary Generation & Assessment Protein），其中業(yè)界首創(chuàng) AI MSA 引擎使得蛋白質(zhì)結(jié)構(gòu)預(yù)測突破「孤兒序列」等高精預(yù)測限制

日前，華為與北京昌平實(shí)驗(yàn)室、北京大學(xué)生物醫(yī)學(xué)前沿創(chuàng)新中心（BIOPIC）和化學(xué)與分子工程學(xué)院、深圳灣實(shí)驗(yàn)室高毅勤教授課題組，在中國算力網(wǎng)智算網(wǎng)絡(luò)關(guān)鍵節(jié)點(diǎn)——西安未來人工智能計(jì)算中心的昇騰 AI 強(qiáng)大算力支持下，在全場景 AI 框架昇思 MindSpore 上推出全流程蛋白質(zhì)結(jié)構(gòu)預(yù)測工具 MEGA-Protein。

MEGA-Protein 包含 AI MSA 引擎、蛋白質(zhì)折疊訓(xùn)練推理流程、蛋白質(zhì)結(jié)構(gòu)打分、蛋白質(zhì)結(jié)構(gòu)預(yù)測數(shù)據(jù)集 PSP 等關(guān)鍵技術(shù)，該工具提供了高精度高性能蛋白質(zhì)結(jié)構(gòu)和功能預(yù)測，其中 AI MSA 引擎能顯著提升單序列的預(yù)測速度，并且能夠在 MSA 少樣本（few shot）甚至零樣本（zero-shot，即單序列）的情況下，幫助 AlphaFold 2 等模型維持甚至提高推理精度，突破了在「孤兒序列」、高異變序列和人造蛋白等 MSA 匱乏場景下無法做出準(zhǔn)確預(yù)測的限制。

這是團(tuán)隊(duì)在昇騰 AI 基礎(chǔ)軟硬件平臺上實(shí)現(xiàn) AlphaFold 2 從訓(xùn)練到推理全流程打通且效率同比提升 2 至 3 倍后，取得的又一次成功。相關(guān)代碼和模型參數(shù)后續(xù)會在昇思 MindSpore 社區(qū)開源，算法和相關(guān)的論文也會盡快公布。

昇思 MindSpore 首席架構(gòu)師金雪鋒評論稱：「該工作是產(chǎn)學(xué)界合作的一次重大成功實(shí)踐，也是科學(xué)計(jì)算與人工智能結(jié)合潛力的展示?！?/strong>金雪鋒補(bǔ)充說，支持多計(jì)算范式的 MindSpore 能夠有效提升科研工作的生產(chǎn)力，大幅度提升科學(xué)計(jì)算場景的性能，希望后續(xù)能夠看到更多、更好的成果涌現(xiàn)出來。

高性能蛋白質(zhì)結(jié)構(gòu)預(yù)測引擎 AI MSA，解決「孤兒序列」問題

蛋白質(zhì)是生命活動中最主要的功能體之一，在人體結(jié)構(gòu)和功能中發(fā)揮著核心作用。然而，能夠解析蛋白質(zhì)結(jié)構(gòu)的實(shí)驗(yàn)手段通常都價(jià)格不菲且周期較長，很難直接通過它們?nèi)ヌ剿髡麄€(gè)「蛋白質(zhì)宇宙」。

蛋白質(zhì)的 3D 結(jié)構(gòu)完全由組成它的氨基酸序列所決定（1972 年諾貝爾獎(jiǎng)得主 Christian Anfinsen 曾通過實(shí)驗(yàn)證明），這就從理論上確認(rèn)了：存在一個(gè)「理想函數(shù)」，能夠?qū)被嵝蛄?x 映射到其 3D 結(jié)構(gòu) y。因此，蛋白質(zhì)結(jié)構(gòu)預(yù)測問題就轉(zhuǎn)化成典型的數(shù)學(xué)建模問題。AlphaFold 2 則是目前為止人們所能找到的、最接近「理想函數(shù)」的一個(gè)模型。

但是，為了達(dá)到高精度的預(yù)測，AlphaFold 2 必須引入額外的信息，也即蛋白多序列比對（MSA）。有多少 MSA 可用，直接決定了 AlphaFold 等模型的預(yù)測精度。

圖1. AlphaFold 2 預(yù)測精度會隨著可用的 MSA個(gè)數(shù)不足時(shí)而顯著降低。圖片來源: AlphaFold 2 論文


但自然界中仍然存在大量「孤兒序列」，如人類蛋白組中不少蛋白以及大量的病毒等其它抗原相關(guān)蛋白，都存在著 MSA 不夠深的問題。此外，在蛋白質(zhì)設(shè)計(jì)領(lǐng)域中，研究人員會普遍面臨人造序列沒有 MSA 可用的情況。在這些場景下，AlphaFold 2 等模型對相關(guān)的結(jié)構(gòu)預(yù)測準(zhǔn)確度會大幅下降，變得不再適用。

另一方面，AlphaFold 2 等標(biāo)準(zhǔn)檢索 MSA 流程，是在數(shù)據(jù)庫中使用搜索工具對目標(biāo)蛋白及相關(guān)序列進(jìn)行多重序列比對，該流程需要配置數(shù)據(jù)庫，其中數(shù)據(jù)庫規(guī)模大概在 1.3T 左右，配置耗時(shí)長且繁瑣，并且使用數(shù)據(jù)檢索工具（如 HHblits，JackHMMER，MMseqs2 等）搜索時(shí)間長，不利于科研人員展開研究。

昇思 MindSpore 社區(qū)與昌平實(shí)驗(yàn)室、北京大學(xué)生物醫(yī)學(xué)前沿創(chuàng)新中心（BIOPIC）和化學(xué)與分子工程學(xué)院、深圳灣實(shí)驗(yàn)室高毅勤教授課題組新提出的 AI MSA 引擎，對于原始 MSA 質(zhì)量不高或者數(shù)量少的蛋白，將 AI MSA 引擎接入 AlphaFold 2 后可以明顯改善結(jié)構(gòu)預(yù)測的質(zhì)量，如下圖所示：

圖2. 不同方案預(yù)測的蛋白質(zhì)結(jié)構(gòu)效果對比圖

圖3. 零樣本預(yù)測精度對比

并且端到端的推理性能相較于 AlphaFold 2 標(biāo)準(zhǔn)檢索流程有大約 40+ 倍的提升，相較于 MMseqs2 約 5+ 倍的提升，可以大幅提升結(jié)構(gòu)預(yù)測模型的推理通量，且訓(xùn)練完后的 AI MSA 引擎不需要額外配置數(shù)據(jù)庫。

圖4. AI MSA 引擎相關(guān)性能對比圖

團(tuán)隊(duì)表示，AI MSA 引擎是一種對下游結(jié)構(gòu)模型普適的預(yù)訓(xùn)練方案，可以在免于微調(diào)的情況下直接接入下游的結(jié)構(gòu)預(yù)測模型，例如 AlphaFold、RoseTTAFold 等，助力科研人員在蛋白質(zhì)結(jié)構(gòu)預(yù)測、蛋白質(zhì)設(shè)計(jì)、蛋白質(zhì)互作等方向進(jìn)行研究，同時(shí)推動生物制藥產(chǎn)業(yè)發(fā)展。

北京大學(xué)李兆基講席教授謝曉亮認(rèn)為，創(chuàng)新自研的 AI MSA 引擎和基于昇思 MindSpore 的蛋白質(zhì)結(jié)構(gòu)預(yù)測程序的開源，標(biāo)志著我們國家在全球蛋白質(zhì)結(jié)構(gòu)預(yù)測領(lǐng)域名列前茅，該長足進(jìn)步源于高毅勤團(tuán)隊(duì)在相關(guān)底層技術(shù)上多年的深耕和積累。

昇騰 AI 基礎(chǔ)軟硬件平臺、昇思 MindSpore AI 框架，支持 AI for Science 研究新范式

AI MSA 引擎訓(xùn)練參數(shù)量有 47M，數(shù)據(jù)量總共達(dá) 4.4T，其訓(xùn)練對框架提出了不小的要求，昇思 MindSpore 在昇騰 AI 基礎(chǔ)軟硬件平臺上與昇騰 CANN 深度結(jié)合，通過深度協(xié)同優(yōu)化的高性能算子庫，充分釋放硬件的算力。

昇思 MindSpore 采用了多段并行流水線的方式來構(gòu)建數(shù)據(jù)處理 pipeline，更加細(xì)粒度地規(guī)劃 NPU、CPU 等計(jì)算資源的使用，天然支持各段使用異構(gòu)硬件進(jìn)行流水處理，大大提高了數(shù)據(jù)處理過程的吞吐量。

同時(shí)，昇思 MindSpore 支持大集群高效訓(xùn)練，實(shí)現(xiàn)了優(yōu)質(zhì)的計(jì)算通信比，并且通過三層 AI 分布式編程范式（手動并行＋半自動并行＋全自動并行），大幅提升分布式并行程序開發(fā)效率。

相關(guān)代碼和模型參數(shù)后續(xù)會在昇思 MindSpore 社區(qū)開源，算法和相關(guān)的論文也會盡快公布。

團(tuán)隊(duì)還發(fā)布了首個(gè)具有高覆蓋度和多樣性的百萬級蛋白質(zhì)結(jié)構(gòu)預(yù)測數(shù)據(jù)集 PSP。該數(shù)據(jù)集由 570k 個(gè)真實(shí)結(jié)構(gòu)序列（10TB）和 745k 個(gè)互補(bǔ)蒸餾序列（15TB）組成。昇思 MindSpore 基于該數(shù)據(jù)集可進(jìn)行蛋白質(zhì)結(jié)構(gòu)預(yù)測訓(xùn)練，同時(shí)提供了豐富的處理及使用該數(shù)據(jù)集的接口，歡迎試用。

了解更多可查看論文：https://arxiv.org/pdf/2206.12240.pdf



相關(guān)工作


  • MindSpore Science 開源路徑

    https://gitee.com/mindspore/mindscience

  • 昇思 MindSpore 最新成果開源：高毅勤課題組發(fā)布高性能蛋白質(zhì)結(jié)構(gòu)預(yù)測工具

    https://biopic.pku.edu.cn/xwzx/mtbd1/517695.htm

  • 昇思 MindSpore 再突破：蛋白質(zhì)結(jié)構(gòu)預(yù)測訓(xùn)練推理全流程開源，助力生物醫(yī)藥發(fā)展

    https://icg.pku.edu.cn/xwzx/kycg/520034.htm

  • 昇思 MindSpore 蛋白質(zhì)結(jié)構(gòu)預(yù)測模型拿下 CAMEO 全球預(yù)測競賽第一

    https://www.huawei.com/cn/news/2022/4/mindspore-cameo-protein-ascend


了解更多，可訪問并關(guān)注昇思科學(xué)計(jì)算開源項(xiàng)目