國產(chǎn)AI蛋白質(zhì)結(jié)構(gòu)預(yù)測再現(xiàn)突破，用單條序列解決3D結(jié)構(gòu)，彭健團隊：“AlphaFold2以來最后一塊拼圖補齊了”

萬博 2022-07-22 14:53:53 來源：量子位

萬博 發(fā)自 凹非寺

量子位 | 公眾號 QbitAI

計算生物領(lǐng)域，出現(xiàn)一則最新進展：

AI預(yù)測蛋白質(zhì)3D結(jié)構(gòu)，僅通過單條蛋白序列就能搞定。

也就是說，AI預(yù)測蛋白質(zhì)結(jié)構(gòu)，可以不需要蛋白質(zhì)進化過程中的同源信息。一些人工設(shè)計的蛋白質(zhì)藥物和工業(yè)合成用酶，也可以通過AI預(yù)測3D結(jié)構(gòu)，確定其對人體的功能。

達成這一成就的AI算法名為OmegaFold，在最近的全球持續(xù)蛋白質(zhì)預(yù)測競賽中，整體預(yù)測能力已經(jīng)與DeepMind此前開發(fā)的AlphaFold2，和華盛頓大學(xué)開發(fā)的RoseTTAFold不相上下，甚至有些指標優(yōu)于后兩者。

研究成果來自國內(nèi)AI創(chuàng)新藥物公司華深智藥，一家成立不到一年的中國初創(chuàng)企業(yè)，孵化自張亞勤旗下的清華大學(xué)智能產(chǎn)業(yè)研究院。

AI預(yù)測蛋白質(zhì)結(jié)構(gòu)不再需要同源信息

據(jù)華深智藥披露，其最新開發(fā)的OmegaFold算法，實現(xiàn)了用單一蛋白質(zhì)序列預(yù)測蛋白質(zhì)3D結(jié)構(gòu)的能力。

而且在測試準確度上，和AlphaFold2和RoseTTAFold不相上下。

同時在測試速度，快于AlphaFold2和RoseTTAFold。

具體測試過程，是這樣的：

研究團隊分別對CASP和CAMEO的蛋白質(zhì)數(shù)據(jù)集進行了測試，其中CASP數(shù)據(jù)集有29個蛋白質(zhì)，CAMEO數(shù)據(jù)集有146個單鏈蛋白質(zhì)。

（PS：這里的CASP和CAMEO，是蛋白質(zhì)結(jié)構(gòu)預(yù)測領(lǐng)域最重要的兩項比賽）

作為對比，在測試中，研究團隊在上OmegaFold僅輸入單一蛋白質(zhì)序列，對 AlphaFold2和RoseTTAFold，則是在默認模式下輸入多重序列（MSA）。

最終，CAMEO數(shù)據(jù)集測試，OmegaFold預(yù)測的蛋白質(zhì)3D結(jié)構(gòu)，平均局部距離差異測試（LDDT：全球結(jié)構(gòu)預(yù)測領(lǐng)域主要評價指標）得分為0.82。

而AlphaFold2與RoseTTAFold的得分，分別是0.75和0.86。

CASP數(shù)據(jù)集的測試結(jié)果，OmegaFold的平均TM分值*（評估蛋白質(zhì)結(jié)構(gòu)拓撲學(xué)相似性的常用指標）為0.79，與AlphaFold2不相上下，不過略低于RoseTTAFold 0.81的分數(shù)。

研究團隊表示，從結(jié)果來看，采用單序列進行預(yù)測的OmegaFold，已經(jīng)整體達到或超越了采用多序列預(yù)測的AlphaFold2和RoseTTAFold。

而且，研究團隊還發(fā)現(xiàn)，因為只采用單一序列預(yù)測蛋白質(zhì)的3D結(jié)構(gòu)，因此在AI算法的訓(xùn)練和預(yù)測速度上，也有很大提升，蛋白質(zhì)結(jié)構(gòu)預(yù)測時間，可以被壓縮到數(shù)秒內(nèi)。

Helixon團隊還同時發(fā)現(xiàn)，僅通過氨基酸序列來預(yù)測三維結(jié)構(gòu)，不僅減少了同源序列所帶來的噪音，還能夠提高訓(xùn)練和預(yù)測的計算速度，使得蛋白質(zhì)結(jié)構(gòu)可以在數(shù)秒內(nèi)被預(yù)測完畢。

基于此，研究團隊用OmegaFold，對兩類缺乏蛋白質(zhì)同源進化信息的蛋白質(zhì)，抗體蛋白質(zhì)和孤兒蛋白質(zhì)進行結(jié)構(gòu)預(yù)測。

結(jié)果發(fā)現(xiàn)，OmegaFold在這兩類蛋白質(zhì)，尤其是抗體的關(guān)鍵功能區(qū)結(jié)構(gòu)預(yù)測，有突破性的進展。

而這類缺乏蛋白質(zhì)同源進化信息的蛋白質(zhì)，恰好是AlphaFold2和RoseTTAFold無法到達的盲區(qū)。

對此，華深智藥創(chuàng)始人彭健認為，這項研究成果意味著：

蛋白質(zhì)3D結(jié)構(gòu)預(yù)測，并不需要同源序列的存在，也不需要知道任何進化信息。

而華深智藥表示：

OmegaFold的出現(xiàn)補全了蛋白質(zhì)三維結(jié)構(gòu)預(yù)測的最后一塊拼圖。

另外，華深智藥還披露了OmegaFold背后的技術(shù)細節(jié)。

具體來看，OmegaFold能夠用單一序列取代多重同源序列，是因為研究團隊采用了一種，基于幾何信息的深度學(xué)習(xí)模型——OmegaPLM。

該學(xué)習(xí)模型可以根據(jù)蛋白質(zhì)的序列信息，預(yù)測原子坐標，同時經(jīng)過訓(xùn)練學(xué)習(xí)，預(yù)測原子在三維空間的距離。

在不斷的迭代之后，可以讓這些預(yù)測出來的原子坐標和距離，滿足基本的幾何定律，最終形成蛋白質(zhì)結(jié)構(gòu)。

OmegaFold的能力，和背后的技術(shù)原理整明白了，最后還剩下一個問題：

華深智藥是誰？

公開信息顯示，華深智藥是一家AI創(chuàng)新藥物研發(fā)商，成立于2021年6月，總部位于北京，最早是由張亞勤旗下的清華大學(xué)智能產(chǎn)業(yè)研究院孵化而來。

早在去年12月份，華深智藥開發(fā)的HeliXonAI算法，就在全球持續(xù)蛋白質(zhì)結(jié)構(gòu)預(yù)測競賽CAMEO上，實現(xiàn)對AlphaFold2的反超，以84.0的lDDT預(yù)測精確度得分，刷新了CAMEO競賽得分記錄。

一家成立半年左右的初創(chuàng)企業(yè)，出道即巔峰。

而巔峰背后的關(guān)鍵先生，就是華深智藥創(chuàng)始人彭健。

彭健，伊利諾伊大學(xué)厄巴納-香檳分校（UIUC）計算機科學(xué)系及醫(yī)學(xué)院終身教授，計算生物領(lǐng)域的知名大牛，機器學(xué)習(xí)與蛋白質(zhì)結(jié)構(gòu)和功能預(yù)測的頂級科學(xué)家。

他在博士期間設(shè)計的著名算法 RaptorX，以及在UIUC任教期間設(shè)計的DeepContact算法，多次在CASP比賽中獲得領(lǐng)先的成績，并很早就嘗試將深度學(xué)習(xí)的技術(shù)引入這個領(lǐng)域。

彭健也因此在2016年獲得有“諾獎風(fēng)向標”之稱的斯隆研究獎，并于2020年獲得計算生物領(lǐng)域最高獎奧弗頓獎（Overton Prize），成為該獎項20年來首位華人得主。

去年6月，彭健看到AI在生物制藥領(lǐng)域的應(yīng)用前景，于是就在清華大學(xué)智能產(chǎn)業(yè)研究院孵化之下，正式創(chuàng)辦華深智藥。很快便完成了千萬美元級天使輪融資。

同時在今年6月，成立一周年之際，華深智藥又完成由五源資本領(lǐng)投，高榕資本、Neumann Capital以及三家天使輪投資方襄禾資本、高瓴創(chuàng)投、清智資本跟投的A輪融資，融資金額近5億元人民幣。

參考鏈接：

[1]https://helixon.s3.amazonaws.com/omegafold.pdf
[2]https://twitter.com/peng_illinois/status/1538536909814874113