太初元碁×百度螺旋槳×神威數(shù)智 | 國(guó)內(nèi)首個(gè)成功復(fù)現(xiàn)AlphaFold3
“
近年來，大模型技術(shù)在生物信息學(xué)領(lǐng)域取得了眾多突破性進(jìn)展，引起全球的廣泛關(guān)注，特別是在蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)方面的革命性成就，贏得了科學(xué)和產(chǎn)業(yè)界的高度認(rèn)可。其中，AlphaFold系列模型擁有預(yù)測(cè)蛋白質(zhì)單鏈、復(fù)合體以及復(fù)雜生物分子結(jié)構(gòu)的能力，其準(zhǔn)確性堪比真實(shí)實(shí)驗(yàn)，極大地促進(jìn)了生命科學(xué)的發(fā)展。特別是AlphaFold3能夠預(yù)測(cè)生物分子間的相互作用，極大助力于藥物研發(fā)合成，但由于算法未開源，限制了其在更廣泛的科研領(lǐng)域中的應(yīng)用和發(fā)展。盡管有團(tuán)隊(duì)嘗試根據(jù)AlphaFold3的論文進(jìn)行復(fù)現(xiàn)，但目前也僅完成了代碼部分，尚未實(shí)現(xiàn)實(shí)際訓(xùn)練，因此尚未能應(yīng)用于實(shí)際科研中。
太初元碁與百度螺旋槳團(tuán)隊(duì)以及神威數(shù)智組成的聯(lián)合研發(fā)團(tuán)隊(duì)成功完成AlphaFold3模型的全復(fù)現(xiàn)工作，突破DeepMind在該領(lǐng)域的技術(shù)高地。此次AlphaFold3的國(guó)產(chǎn)化復(fù)現(xiàn)，不僅是一次技術(shù)革新，更是我國(guó)科技生態(tài)建設(shè)的重要里程碑，提升了國(guó)產(chǎn)大模型研發(fā)技術(shù)在全球AI大模型領(lǐng)域的競(jìng)爭(zhēng)力。
試用申請(qǐng)
AlphaFold3模型最新試用版本已于8月28日上線，
歡迎對(duì)AlphaFold3或聯(lián)合研發(fā)團(tuán)隊(duì)相關(guān)工作感興趣的科研機(jī)構(gòu)和商業(yè)公司
通過郵箱：husl@tecorigin.com 與我們聯(lián)系。
也可點(diǎn)擊底部“閱讀原文”，獲取試用鏈接，
或復(fù)制下方鏈接：http://223.108.218.41:8067/ 在瀏覽器中打開，
即可搶先試用！
具體技術(shù)性能
聯(lián)合研發(fā)團(tuán)隊(duì)克服了一系列挑戰(zhàn)，如：模型結(jié)構(gòu)復(fù)雜、數(shù)據(jù)高度復(fù)雜，訓(xùn)練和運(yùn)行所需的計(jì)算資源龐大等。在模型層面，AlphaFold3相較于AlphaFold2，增加了原子級(jí)建模，使得整體結(jié)構(gòu)更加復(fù)雜，計(jì)算量也顯著增加。同時(shí)，AlphaFold3采用了擴(kuò)散模型進(jìn)行所有原子坐標(biāo)的端到端推理。在數(shù)據(jù)處理方面，AlphaFold3不僅需要建模蛋白質(zhì)，還必須處理小分子配體、核酸和離子等多種生物分子，復(fù)雜的數(shù)據(jù)預(yù)處理和大規(guī)模自蒸餾數(shù)據(jù)生成對(duì)模型性能的提升至關(guān)重要。
小分子配體
數(shù)據(jù)集PoseBusters：一個(gè)用于評(píng)估配體對(duì)接算法的基準(zhǔn)數(shù)據(jù)集, PoseBusters V1包含428個(gè)結(jié)構(gòu)，PoseBusters V2是排除了與多個(gè)生物分子單元內(nèi)距離小于5.0?的配體數(shù)據(jù)后，精簡(jiǎn)的308個(gè)結(jié)構(gòu)。 對(duì)比的基線方法分為三類：不指定真實(shí)蛋白質(zhì)結(jié)構(gòu)的方法、指定已知蛋白質(zhì)結(jié)構(gòu)的方法，以及指定活性位點(diǎn)殘基的方法。
▲ 圖1 PoseBusters V1數(shù)據(jù)集上AlphaFold3復(fù)現(xiàn)工作與同類模型的精度表現(xiàn)
▲圖2 PoseBusters V2數(shù)據(jù)集上AlphaFold3復(fù)現(xiàn)工作與同類模型的精度表現(xiàn)
▲圖3 Alphafold3復(fù)現(xiàn)工作與同類模型的PoseBusters V2 quality check精度對(duì)比
核酸分子
由于核酸分子的結(jié)晶結(jié)構(gòu)數(shù)量很少，完全無人為干預(yù)地自動(dòng)化地準(zhǔn)確預(yù)測(cè)其結(jié)構(gòu)一直是一個(gè)巨大的挑戰(zhàn)。
對(duì)于核酸分子效果的評(píng)估，復(fù)現(xiàn)工作在CASP15（蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)領(lǐng)域的重要國(guó)際競(jìng)賽）中有結(jié)晶結(jié)構(gòu)的RNA樣本及從Protein Data Bank(PDB)中最新收集的41個(gè)RNA分子和41個(gè)DNA分子進(jìn)行評(píng)測(cè)。
結(jié)果顯示：復(fù)現(xiàn)工作在CASP15的RNA樣本的精度雖然還不及有人工干預(yù)的方法AIchemy_RNA2，但在能夠完全自動(dòng)化推理的RNA模型當(dāng)中，已經(jīng)達(dá)到了與AlphaFold3相當(dāng)?shù)乃健Ｔ趶腜DB最新收集的RNA和DNA的結(jié)構(gòu)預(yù)測(cè)上，復(fù)現(xiàn)工作的精度亦是極具競(jìng)爭(zhēng)力，遠(yuǎn)超專門為核酸分子結(jié)構(gòu)預(yù)測(cè)所設(shè)計(jì)模型RoseTTAFold2NA和另一個(gè)全原子生物分子結(jié)構(gòu)預(yù)測(cè)模型RoseTTAFold-AllAtom。
▲圖4 Alphafold3復(fù)現(xiàn)工作與同類模型在CASP15上的精度對(duì)比
▲圖5 Alphafold3復(fù)現(xiàn)工作與同類模型在PDB RNA-only與PDB DNA-only數(shù)據(jù)集上的LDDT評(píng)估值對(duì)比
蛋白質(zhì)
在蛋白質(zhì)-蛋白質(zhì)復(fù)合體結(jié)構(gòu)預(yù)測(cè)領(lǐng)域，盡管AlphaFold-Multimer在先前模型的基礎(chǔ)上實(shí)現(xiàn)了顯著的進(jìn)步，但其成功率和準(zhǔn)確性仍有進(jìn)一步提升的空間。聯(lián)合研發(fā)團(tuán)隊(duì)的復(fù)現(xiàn)工作在此基礎(chǔ)上進(jìn)一步優(yōu)化了預(yù)測(cè)能力，展現(xiàn)出更為優(yōu)異的性能。
結(jié)果顯示：復(fù)現(xiàn)工作在蛋白質(zhì)-蛋白質(zhì)復(fù)合體結(jié)構(gòu)預(yù)測(cè)方面已經(jīng)略微超越了AlphaFold-Multimer的表現(xiàn)，展示出更強(qiáng)的預(yù)測(cè)能力。然而，與AlphaFold3相比，復(fù)現(xiàn)工作仍存在一定的性能差距。因此，未來的研究工作將繼續(xù)致力于優(yōu)化和迭代，以縮小這一差距，力求在復(fù)現(xiàn)工作的預(yù)測(cè)精度和成功率上進(jìn)一步提升。
▲ 圖6 Alphafold3復(fù)現(xiàn)工作與同類模型在蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)任務(wù)上的Docka分值對(duì)比
模型置信度
▲ 圖8 Alphafold3復(fù)現(xiàn)工作在小分子配體-蛋白質(zhì)數(shù)據(jù)集上的預(yù)測(cè)置信度分布
▲ 圖9 Alphafold3復(fù)現(xiàn)工作在蛋白質(zhì)-蛋白質(zhì)復(fù)合體數(shù)據(jù)集上的預(yù)測(cè)置信度分布
▲圖10 Alphafold3復(fù)現(xiàn)工作在RNA分子數(shù)據(jù)集上的預(yù)測(cè)置信度分布
