人工智能|AlphaFold2立功，清华团队用深度学习增强新冠抗体，创AI里程碑人工智能|医疗AI|前沿科技

文章图片

钛媒体注：本文来自微信公众号新智元（ID：AI_era），作者丨新智元，编辑丨桃子拉燕时光，钛媒体经授权发布。

2020年末，DeepMind开发的第二代深度学习神经网络AlphaFold 2的问世震惊了结构生物学界。
AlphaFold解决了困扰科学家几十年的蛋白质折叠问题。

人工智能|AlphaFold2立功，清华团队用深度学习增强新冠抗体，创AI里程碑

文章图片

最近的研究表明，AlphaFold开创的方法正在向更广泛的生物学界蔓延。
在《美国国家科学院院刊》上发表的一篇论文 Deep learning guided optimization of human antibody against SARS-CoV-2 variants with broad neutralization 。
论文中，科学家描述了修改一种已知的COVID-19抗体的方式，以提高其对多种疾病变体的疗效。

文章图片

地址：https://www.pnas.org/doi/10.1073/pnas.2122954119
科学家们写道，「我们可以使抗体宽度以及sars-cov-2变体 (包括 Delta) 的效力提高10到600倍」。他们甚至发现了该方法可以对抗奥密克戎（Omicron）变体迹象的希冀。
深度学习增强新冠抗体这项研究是由清华大学、伊利诺伊大学厄巴纳-香槟分校和麻省理工学院的研究人员共同完成，他们利用深度学习进行研究有两个重要的原因。
一个是扩大所谓的搜索空间，即修改抗体的一组潜在解决方案。现有的方法，例如随机突变，虽然很有价值，但费时费力。
使用深度学习是一种自动化的方法，从而加快工作速度。
其次，像随机突变这样的方法可以在带来好处的同时带走抗体好的那一部分，结果可能不是最理想的。
通过使用深度学习的方法，作者希望扩展功效的同时保留已经取得的成果。

文章图片

图嵌入注意程序，用于查找对预测结合亲和力具有重要意义的残基对
他们的方法采用了AlphaFold2的基本技术: 一个图形网络，以及一种称为注意力机制的变量处理方法
图形网络是指一些事物的集合可以根据它们之间的关系进行评估，比如社交网络中的人。

文章图片

AlphaFold 2利用蛋白质的信息构建了一个不同氨基酸之间距离的图表。然后通过注意力机制操纵这些图，计算每个氨基酸与另一个氨基酸的关系。
Shan和他的同事采取了同样的方法，他们把这种方法应用到病毒的氨基酸、抗原以及抗体的氨基酸上。
他们将所谓的野生型与两者的突变形式进行比较，以确定抗体与抗原的结合如何随着野生型和突变型之间的氨基酸对的变化而变化。
为了训练一个深度神经网络实现这一点，他们设置了一个目标。在机器学习领域被称作目标函数，该函数正是神经网络要复制的目标。