國產AI蛋白質結構預測再現突破，用單條序列解決3D結構，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 發自 凹非寺

量子位 | 公眾號 QbitAI

計算生物領域，出現一則最新進展：

AI預測蛋白質3D結構，僅通過單條蛋白序列就能搞定。

也就是說，AI預測蛋白質結構，可以不需要蛋白質進化過程中的同源信息。一些人工設計的蛋白質藥物和工業合成用酶，也可以通過AI預測3D結構，確定其對人體的功能。

達成這一成就的AI算法名為OmegaFold，在最近的全球持續蛋白質預測競賽中，整體預測能力已經與DeepMind此前開發的AlphaFold2，和華盛頓大學開發的RoseTTAFold不相上下，甚至有些指標優于后兩者。

研究成果來自國內AI創新藥物公司華深智藥，一家成立不到一年的中國初創企業，孵化自張亞勤旗下的清華大學智能產業研究院。

AI預測蛋白質結構不再需要同源信息

據華深智藥披露，其最新開發的OmegaFold算法，實現了用單一蛋白質序列預測蛋白質3D結構的能力。

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的蛋白質數據集進行了測試，其中CASP數據集有29個蛋白質，CAMEO數據集有146個單鏈蛋白質。

（PS：這里的CASP和CAMEO，是蛋白質結構預測領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數據集測試，OmegaFold預測的蛋白質3D結構，平均局部距離差異測試（LDDT：全球結構預測領域主要評價指標）得分為0.82。

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

CASP數據集的測試結果，OmegaFold的平均TM分值*（評估蛋白質結構拓撲學相似性的常用指標）為0.79，與AlphaFold2不相上下，不過略低于RoseTTAFold 0.81的分數。

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

而且，研究團隊還發現，因為只采用單一序列預測蛋白質的3D結構，因此在AI算法的訓練和預測速度上，也有很大提升，蛋白質結構預測時間，可以被壓縮到數秒內。

Helixon團隊還同時發現，僅通過氨基酸序列來預測三維結構，不僅減少了同源序列所帶來的噪音，還能夠提高訓練和預測的計算速度，使得蛋白質結構可以在數秒內被預測完畢。

基于此，研究團隊用OmegaFold，對兩類缺乏蛋白質同源進化信息的蛋白質，抗體蛋白質和孤兒蛋白質進行結構預測。

結果發現，OmegaFold在這兩類蛋白質，尤其是抗體的關鍵功能區結構預測，有突破性的進展。

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

對此，華深智藥創始人彭健認為，這項研究成果意味著：

蛋白質3D結構預測，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的出現補全了蛋白質三維結構預測的最后一塊拼圖。

另外，華深智藥還披露了OmegaFold背后的技術細節。

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習模型——OmegaPLM。

該學習模型可以根據蛋白質的序列信息，預測原子坐標，同時經過訓練學習，預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，最終形成蛋白質結構。

OmegaFold的能力，和背后的技術原理整明白了，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創新藥物研發商，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智能產業研究院孵化而來。

早在去年12月份，華深智藥開發的HeliXonAI算法，就在全球持續蛋白質結構預測競賽CAMEO上，實現對AlphaFold2的反超，以84.0的lDDT預測精確度得分，刷新了CAMEO競賽得分記錄。

一家成立半年左右的初創企業，出道即巔峰。

而巔峰背后的關鍵先生，就是華深智藥創始人彭健。

彭健，伊利諾伊大學厄巴納-香檳分校（UIUC）計算機科學系及醫學院終身教授，計算生物領域的知名大牛，機器學習與蛋白質結構和功能預測的頂級科學家。

他在博士期間設計的著名算法 RaptorX，以及在UIUC任教期間設計的DeepContact算法，多次在CASP比賽中獲得領先的成績，并很早就嘗試將深度學習的技術引入這個領域。

彭健也因此在2016年獲得有“諾獎風向標”之稱的斯隆研究獎，并于2020年獲得計算生物領域最高獎奧弗頓獎（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在生物制藥領域的應用前景，于是就在清華大學智能產業研究院孵化之下，正式創辦華深智藥。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投，高榕資本、Neumann Capital以及三家天使輪投資方襄禾資本、高瓴創投、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