))
第一百七十期：AlphaFold 会改变什么？
Manage episode 282473244 series 2646178
Content provided by 纽约文化沙龙. All podcast content including episodes, graphics, and podcast descriptions are uploaded and provided directly by 纽约文化沙龙 or their podcast platform partner. If you believe someone is using your copyrighted work without your permission, you can follow the process outlined here https://player.fm/legal.
2020年11月30日，DeepMind公司公布了一项研究成果，宣称基于深度学习的人工智能算法 AlphaFold 在蛋白质结构预测问题上获得巨大突破。在权威的蛋白质结构预测竞赛（CASP）中，AlphaFold 以约 90% 的准确率一骑绝尘，为这个挑战生物学家50多年的难题提供了一个强有力的解答。
与 AlphaFold 在生物学研究与制药领域激起的强烈反响相比，大众更好奇问题本身以及它将带来的影响：到底什么是蛋白质结构？它和我们熟知的DNA有什么关系？蛋白质结构预测需要解决什么问题？它困难在哪儿？以 AlphaFold 为代表的人工智能技术怎么解决这个问题？这项突破在科研和制药领域意味着什么？它会像 AlphaGo 改变围棋游戏那样改变人类对生命的认知吗？它会变革制药业的发展逻辑，改变人类的健康格局吗？
本期沙龙，我们请来两位活跃在结构生物学和制药领域一线的研究者和创业者，谭大治和赖力鹏，向大家普及这些知识，并且通过二位在人工智能领域的实战经验，展望 AlphaFold 会带来什么样的深刻变化。
谭大治说：
“蛋白质是地球上几乎所有生物体的必要组成部分。无论是新陈代谢、血液循环、免疫反应抑或思维活动，蛋白质分子们主导或参与了我们生命活动的每一个过程。因而所有的人类疾病都与蛋白质分子的异常有关，同时绝大多数已有的和正在研发的药物及疗法皆尝试通过纠正这些异常来达到改善以至治愈的目的。相当一部分研究面临的一个关键挑战即如何获得相关蛋白质分子的三维结构信息，从而指导我们更加有的放矢地进行药物的设计。
“人体中的蛋白质都是由20种不同的氨基酸组成的长链分子， 其中所包含的氨基酸残基数量从几十个到几千个不等。在生理条件下，这些残基并非呈线性排列，而是会折叠成高度复杂且动态的三维结构。而许多不同的蛋白质及其他生物大分子又会组合成更加复杂的分子机器来高效而精确地执行其功能。蛋白质的功能是由其结构所决定，其结构是由其组成氨基酸的序列所决定，而氨基酸的序列则是编码于生物体的遗传信息之中。
“人类通过实验方法解析蛋白质三维结构的历史始于20世纪50年代。在相当长的时间里，X光晶体学是获得蛋白质结构的不二法门。从20世纪80年代起，核磁共振及冷冻电镜也发展成为了解析蛋白质结构的主要技术。尤其是后者在近十年来获得了极大的发展，并有成为蛋白质结构学界主流的趋势。迄今为止，人类已经解析了至少17万个蛋白质结构，其中约5万个来自于人体。尽管如此，有相当数量的与人类疾病有关的蛋白质的三维结构由于种种原因很难通过实验方法获得。因此，进入21世纪以来，人们一直尝试利用计算方法来预测未知的蛋白质结构。目前传统主流的计算方法一般通过计算基于经典力学或量子力学的原子间作用力以及与已经解析过的类似结构的比对来进行预测。最近几年来，随着人工智能技术的蓬勃发展，新一代基于深度学习的蛋白质结构预测方法呈现出了很大的潜力，而AlphaFold就是这些新方法中的杰出代表。”
赖力鹏说：
“对于健康的关注是人类一直持续的话题。目前，药物研发面临着成本高、周期长、成功率低的挑战。新药发现领域的研究者们进行着各种尝试，希望通过更加理性化、系统化的药物设计方法来提高药物发现的效率。一套更有效的药物设计方法，一方面可以为患者带来更好的治疗药物，另一方面也为行业的可持续发展提供更大的机会。
“过往，计算机辅助药物设计为理性药物设计提供了大量的帮助。机器学习及其它基于统计的数据分析方法也一直在药物研发，从靶点发现到临床试验的各个环节为科学家提供计算支持。2016年，AlphaGO和李世石的对决把人工智能带入大众的视野。人工智能，特别是深度学习技术的发展，数据的增加和算力的快速提高进一步为早期药物发现提供了更多的，有价值的信息。这些信息被使用在包括新分子结构探索，蛋白结构预测，潜在药物分子属性预测等多个环节，有效提升药物早期发现的效率。本次讲座将结合AlphaFold的发现，与大家分享人工智能技术在新药研发实际项目中如何与其它前沿计算及实验技术协作，提高药物发现效率。同时也希望与大家深入探讨，人工智能技术从其自身出发，以及从与其它技术协同出发，在未来的新药发现中发挥更大价值的机会和挑战。”
海报设计：Nadia
主讲人：
谭大治
哥伦比亚大学生物学博士。研究领域涉及分子生物学、结构生物学及计算药物化学。曾在纽约D. E. Shaw Research及波士顿Silicon Therapeutics公司从事计算辅助药物研发。现就职于麻省剑桥市的Reverie Labs公司，主要通过结合人工智能、蛋白质分子结构和计算化学进行小分子新药的设计。
赖力鹏
北京大学学士、芝加哥大学物理学博士、麻省理工学院（MIT）博士后。2014年赖力鹏博士在麻省理工学院进行博士后研究期间与合作伙伴共同创立XtalPi，并于2015年创立晶泰人工智能研发中心XARC，担任负责人，进行大数据与人工智能相关技术的研发，带领包括药物设计、算法、工程等在内的多元化团队，通过整合深度学习、数据、计算化学、计算物理方法和云计算资源，加速化学药和生物药的发现、开发与生产。
官网提供讲义、录音、视频、引用文献等参考资料下载：https://nyshalong.com/event/170
转载、引用活动讲义、录音与视频等内容，必须获得主讲人和沙龙授权，同时需注明内容来源为：纽约文化沙龙(www.nyshalong.com)。
…
continue reading
与 AlphaFold 在生物学研究与制药领域激起的强烈反响相比，大众更好奇问题本身以及它将带来的影响：到底什么是蛋白质结构？它和我们熟知的DNA有什么关系？蛋白质结构预测需要解决什么问题？它困难在哪儿？以 AlphaFold 为代表的人工智能技术怎么解决这个问题？这项突破在科研和制药领域意味着什么？它会像 AlphaGo 改变围棋游戏那样改变人类对生命的认知吗？它会变革制药业的发展逻辑，改变人类的健康格局吗？
本期沙龙，我们请来两位活跃在结构生物学和制药领域一线的研究者和创业者，谭大治和赖力鹏，向大家普及这些知识，并且通过二位在人工智能领域的实战经验，展望 AlphaFold 会带来什么样的深刻变化。
谭大治说：
“蛋白质是地球上几乎所有生物体的必要组成部分。无论是新陈代谢、血液循环、免疫反应抑或思维活动，蛋白质分子们主导或参与了我们生命活动的每一个过程。因而所有的人类疾病都与蛋白质分子的异常有关，同时绝大多数已有的和正在研发的药物及疗法皆尝试通过纠正这些异常来达到改善以至治愈的目的。相当一部分研究面临的一个关键挑战即如何获得相关蛋白质分子的三维结构信息，从而指导我们更加有的放矢地进行药物的设计。
“人体中的蛋白质都是由20种不同的氨基酸组成的长链分子， 其中所包含的氨基酸残基数量从几十个到几千个不等。在生理条件下，这些残基并非呈线性排列，而是会折叠成高度复杂且动态的三维结构。而许多不同的蛋白质及其他生物大分子又会组合成更加复杂的分子机器来高效而精确地执行其功能。蛋白质的功能是由其结构所决定，其结构是由其组成氨基酸的序列所决定，而氨基酸的序列则是编码于生物体的遗传信息之中。
“人类通过实验方法解析蛋白质三维结构的历史始于20世纪50年代。在相当长的时间里，X光晶体学是获得蛋白质结构的不二法门。从20世纪80年代起，核磁共振及冷冻电镜也发展成为了解析蛋白质结构的主要技术。尤其是后者在近十年来获得了极大的发展，并有成为蛋白质结构学界主流的趋势。迄今为止，人类已经解析了至少17万个蛋白质结构，其中约5万个来自于人体。尽管如此，有相当数量的与人类疾病有关的蛋白质的三维结构由于种种原因很难通过实验方法获得。因此，进入21世纪以来，人们一直尝试利用计算方法来预测未知的蛋白质结构。目前传统主流的计算方法一般通过计算基于经典力学或量子力学的原子间作用力以及与已经解析过的类似结构的比对来进行预测。最近几年来，随着人工智能技术的蓬勃发展，新一代基于深度学习的蛋白质结构预测方法呈现出了很大的潜力，而AlphaFold就是这些新方法中的杰出代表。”
赖力鹏说：
“对于健康的关注是人类一直持续的话题。目前，药物研发面临着成本高、周期长、成功率低的挑战。新药发现领域的研究者们进行着各种尝试，希望通过更加理性化、系统化的药物设计方法来提高药物发现的效率。一套更有效的药物设计方法，一方面可以为患者带来更好的治疗药物，另一方面也为行业的可持续发展提供更大的机会。
“过往，计算机辅助药物设计为理性药物设计提供了大量的帮助。机器学习及其它基于统计的数据分析方法也一直在药物研发，从靶点发现到临床试验的各个环节为科学家提供计算支持。2016年，AlphaGO和李世石的对决把人工智能带入大众的视野。人工智能，特别是深度学习技术的发展，数据的增加和算力的快速提高进一步为早期药物发现提供了更多的，有价值的信息。这些信息被使用在包括新分子结构探索，蛋白结构预测，潜在药物分子属性预测等多个环节，有效提升药物早期发现的效率。本次讲座将结合AlphaFold的发现，与大家分享人工智能技术在新药研发实际项目中如何与其它前沿计算及实验技术协作，提高药物发现效率。同时也希望与大家深入探讨，人工智能技术从其自身出发，以及从与其它技术协同出发，在未来的新药发现中发挥更大价值的机会和挑战。”
海报设计：Nadia
主讲人：
谭大治
哥伦比亚大学生物学博士。研究领域涉及分子生物学、结构生物学及计算药物化学。曾在纽约D. E. Shaw Research及波士顿Silicon Therapeutics公司从事计算辅助药物研发。现就职于麻省剑桥市的Reverie Labs公司，主要通过结合人工智能、蛋白质分子结构和计算化学进行小分子新药的设计。
赖力鹏
北京大学学士、芝加哥大学物理学博士、麻省理工学院（MIT）博士后。2014年赖力鹏博士在麻省理工学院进行博士后研究期间与合作伙伴共同创立XtalPi，并于2015年创立晶泰人工智能研发中心XARC，担任负责人，进行大数据与人工智能相关技术的研发，带领包括药物设计、算法、工程等在内的多元化团队，通过整合深度学习、数据、计算化学、计算物理方法和云计算资源，加速化学药和生物药的发现、开发与生产。
官网提供讲义、录音、视频、引用文献等参考资料下载：https://nyshalong.com/event/170
转载、引用活动讲义、录音与视频等内容，必须获得主讲人和沙龙授权，同时需注明内容来源为：纽约文化沙龙(www.nyshalong.com)。
158 episodes
Share
