最近Sunny營養師（黃君聖）分享他88歲的阿嬤透過168斷食＋均衡飲食＋減醣飲食成功瘦下15公斤，不用再打胰島素、吃血糖藥的案例。
讓大家更了解減重可以靠減醣，但光是減碳水化合物攝取的飲食法就有好幾種，你到底適合哪一種呢？

小編直接幫大家整理現今最主要三種減少碳水化合物飲食的優缺點。

🔺低醣飲食是什麼？有什麼好處？
🌹減重原理：低醣飲食主要是將每餐攝取醣類控制在25-30%、蛋白質30-40%、其餘才是脂肪。
重點在於減少吸收碳水化合物，以脂肪和蛋白質替代它的能量，讓身體自動燃燒脂肪。

低醣食物怎麼挑？
避免飯後血糖快速增加，因此在食材選擇上就很重要！選擇低升糖食物(低GI)，提高蛋白質、油脂的食物，避免血糖快速增加，且降低胰島素分泌、減少體脂肪合成。

#好食課營養師團隊 整理低碳飲食5大重點
1. 不需複雜計算熱量，避開澱粉類就好！
三餐避開或減半主食白飯、麵食、麵包等澱粉類食物。

2. 選擇好的蛋白質食物！
所有的肉類、魚類食材的碳水比例較低，可以多攝取。

3. 搭配優質油脂食用！
牛排、雞腿、鮭魚等食材，因為油脂較多被定義是高熱量食材，但其實碳水含量都很低，是進行低醣飲食的選擇，另外也可多選擇植物性的好油脂，像是堅果、橄欖油、亞麻仁油等。

4. 嚴禁攝取大量含砂糖的食物！
低醣飲食除了要減少三餐的醣類，更要避免糖的攝取，若是嘴饞時可以選擇水煮蛋、堅果、乳酪等低碳食物。

5. 充分攝取低碳蔬菜、多喝水！

因為減少了醣類的攝取，膳食纖維的攝取往往也會減少，導致便秘發生，因此建議在低醣飲食時要同時補充大量蔬菜、海藻類食材，以及補充足夠的水分。
※低碳蔬菜：櫛瓜、蘆筍、羽衣甘藍、小黃瓜、白蘿蔔、花椰菜、芹菜、竹筍、甜椒

優點：低醣飲食相較於生酮飲食是屬於較溫和的飲食，減重的效果比減醣飲食效果好
缺點：容易攝取過多飽和脂肪酸，反而造成血脂過高、心血管疾病發生。
適合：想加強減重效果、控制血糖者
減重效果★★★☆☆
執行容易度★★★☆☆

🔺生酮飲食是什麼？有什麼好處？
🌹減重原理：生酮飲食是將碳水控制在5%以下，嚴格限制醣類的熱量來源，當血液中葡萄糖含量過低時，會促使身體分泌升糖素分解肝醣產生能量，同時也會分解脂肪產生酮體，提供身體能量來源，達到燃脂效果。

#林亞貞營養師 提到關鍵一點，執行生酮飲食時肉類食物中的蛋白質部分也不能吃太多，因為蛋白質食物在缺乏葡萄糖下會自行進行糖質新生，因此必須同時控制醣類及蛋白質。

#好食課營養師團隊 告訴大家10大生酮好食材
1. 起司：起司中的乳糖已被破壞，不會影響生酮效果，並提供豐富蛋白質及鈣質。

2. 鮭魚：因為生酮需要攝取大量油脂，而鮭魚富含可以保護心血管的ω-3不飽和脂肪酸，可以減少在生酮時高油脂對血管的負擔。

3. 無糖豆漿：生酮時期不能喝含糖飲品，可以用無糖豆漿代替，也補充豐富植物性蛋白質。

4. 希臘優格：希臘優格比一般優格多了一道過濾的製成，因此希臘優格的營養價值也更濃縮，可以攝取到更多的油脂。

5. 酪梨：酪梨富含的油脂屬於單元不飽和脂肪酸及多元不飽和脂肪酸，皆是對心血管保護有益的油脂。

6. 大番茄：大番茄因為含醣量較低所以屬於蔬菜。而小番茄含醣量較高屬於水果，較不適合作為生酮飲食的食材來源。

7. 花生：富含不飽和脂肪酸的堅果類。

8. 核桃：富含大量維生素E的堅果類，擁有好油脂及抗氧化力。

9. 杏仁：富含不飽和脂肪酸的堅果。

10. 黑巧克力：碳水含量低，油脂含量高。

優點：生酮飲食可以快速減脂、降低心血管疾病、糖尿病及代謝症候群的風險、改善癲癇症、預防及治療癌症等。
缺點：執行困難、效果不持久、副作用較多，需有醫護人員陪同執行
適合：想要快速減脂、加強減脂效果、心血管疾病者、糖尿病患者

#林亞貞營養師 提醒大家，生酮飲食可以短時間改善體質問題，但建議還是要在有經驗的人諮詢、或是醫療人員輔導下進行喔！
文末標示
減重效果★★★★☆
執行容易度★★☆☆☆

🔺低醣與生酮飲食有什麼差別？有什麼風險？
🌹低醣飲食與生酮飲食差別在於，低醣的目的是要降低碳水的攝取，穩定血糖、”減少脂肪的生成”；而生酮的目的是限制身體利用葡萄醣產生能量，迫使身體分解脂肪產生酮體，讓酮體取代葡萄糖做為主要能量來源，達到”燃燒脂肪的效果”。
因此從營養攝取的比例上可以看到，生酮飲食與低醣飲食除了差在碳水的比例，最大的關鍵則是”油脂的攝取”

低醣有沒有風險？
#林亞貞營養師 也提醒，長期低醣飲食，要注意蛋白質與油脂的來源，若來源來自於”動物性”，會增加心血管疾病的風險；若是來自於”植物性”蛋白質與油脂，反而可以降低心血管疾病的風險喔！
另外，腎臟病人不宜使用此飲食方式，尤其準備尿毒後期準備洗腎的病人。

林亞貞營養師指出，生酮飲食雖然能快速達到燃脂的效果，但效果不持久，且容易產生頭暈、消化不良、腹瀉等副作用。

🔺減醣飲食是什麼？有什麼好處？
🌹減重原理：
比起上面兩種，減醣飲食是屬於最溫和、最適合外食族、最容易達成的飲食目標，因為低醣、生酮的需要較少的碳水，一般外食族很難做到，副作用也比較大，所以往往容易放棄。
而減醣是將碳水比例控制在45%以下(一般均衡飲食碳水大約在50%~60%)，所以只需減少大約1/4的碳水攝取，就能簡單做到減醣飲食。
而減醣飲食還有一個重要關鍵，碳水的來源需來自於低GI”全榖根莖類”，嚴格限制精製糖、精製澱粉，減少胰島素的分泌，降低葡萄糖儲存成脂肪的機率。

#好食課營養師 整理了減醣四大飲食重點
1.不碰精製糖類食物
像是甜食、糕點以及含糖飲料等含精製糖的食物需要嚴格限制，避免精製糖使血糖快速提升，增加脂肪堆積的機會。

2. 減少全穀根莖類
減醣飲食中碳水化合物來源減少，胰島素便不會大量分泌，身體較不易囤積脂肪，同時可以增加身體脂肪的運用及代謝。

3. 適量蛋白質
減少飲食中的醣類後，需要提升飲食中蛋白質及油脂的比例，充足的蛋白質攝取，能幫助維持身體的肌肉量，並減少身體分解肌肉作為能量來源的機會。

4. 烹調用好油
減醣飲食中油脂比例較一般飲食更高，因此需選擇好油，才能減少大量油脂攝取可能增加的疾病風險。

優點：執行容易、降低脂肪生成機率、溫和較無副作用
缺點：需長時間執行、效果有限
適合：減重新手、外時上班族、想控制血糖者
減重效果★★☆☆☆
執行容易度★★★★☆

🔺想要減重如何執行比較好？
🌹 #林亞貞營養師 說：先中碳再低碳
想要健康減重，建議三大重點：
1. 循序漸進減少醣類攝取：減醣→低醣→生酮
先從減醣飲食開始，身體適應後，再逐漸降低，以全穀雜糧根莖類和膳食纖維豐富的蔬菜，來取代精緻的白米麵食麵包。

2. 好的蛋白質、油脂來源→不飽和脂肪酸
取代醣類的蛋白質，避免攝取過多紅肉，由白肉代替，取代醣類的油脂，由植物性油脂為主，避免攝取過多的飽和脂肪，並搭配堅果補充好油。

3. 培養運動習慣，增加每日熱量消耗，減少多餘熱量堆積成脂肪。

如果你喜歡我們的文章
簡單的分享⮫讓更多朋友認識減醣
隨手的按讚👍給予我們溫暖的支持💕
＃減醣飲食 ＃生酮飲食 ＃低醣飲食
＃常常好食健康製作所 ＃減重🌹

關於氣候變遷的兩個重要數字： 510億 和 0
(Just remember two numbers: 51 Billion and zero)

比爾哥10天前熱騰騰剛出版的書，就借用他和書的合照來分享給大家囉~

510億，是每年全球溫室氣體排放的噸數，而0是我們需要達到的淨值。之所以說“淨值“，是因為完全要消除碳排放是不切實際的。書本中的第一章講到過去世界50年的發展，大幅的提升人類整體生活品質。但眼看著接下來幾十年，隨著世界人口持續增加即將接近100億 ，同時有許多的人生活品質會要提高，自然碳排放量也會提升。要如何在持續讓大家生活都更好的狀態下，逆向的讓整體碳排放的淨值是零呢？比爾蓋茲這本書，是關於氣候變遷非常不錯的入門書籍。當中最大篇幅，是碳排放的五大來源：

1. How we plug in 如何產生電力 (27%)
其實石油類能源過去百年的發展是值得讚賞的。我們能用那樣子的創新研發精神，讓更多的電，來自於低碳排放的來源嗎？

2. How we make things 如何製造材料 (31%)
我這才學習到原來水泥混凝土以及塑膠的製作，創造出多少的碳排放！ （裡面提到現在一個想法，把碳“鎖進”塑膠當中，還蠻有趣的！）

3. How we grow things 種植與畜牧 (19%)
這裡講到關於人造肉的最新發展。還有，原來豬的糞便和牛的打嗝與放屁，有這麼大的威力！

4 How we get around 交通與運輸 (16%)
電動車很棒，但受限於電池他是用的場景，也必須要有務實的期待。

5. How we keep cool or stay warm 空調 (7%)
這裡不只是講到我們的冷氣和暖器空調，還有現在大量計算所需要的冷卻，生活必需的冰箱，以及雖然整體氣候暖化，但許多區域的冬天，仍然需要暖氣才能生存。

因為近年來關於氣候變遷的議題，有非常多不同的信息，很多混淆，也有很多政治化的討論，在這邊就不切入這個面向。我讀完這本書覺得很不錯的地方有兩個：

首先，比爾蓋茲用非常容易了解的方式，量化各種碳排放的來源，以及他們之間的關係。閱讀這一本書不用帶太糾結與對數字的感受以及細節，但很重要的一個觀念是看見這些東西，如何環環相扣，所以解決這樣複雜系統性的問題，必須要清楚的思考當中產生的連動效應。例如很多人覺得可以多種樹來抵銷，但仔細計算抵銷的效率，要考慮種植需要的地方 （種在某些地方有反效果），以及是否對其他農作物用地有排擠的效應。還有必須考量商務面，因為這樣的考量方式，才能對其他的面向，包括研發投入，消費者意願，等等產生正向的連動效果。另外貧窮人是產生碳最少，但常常在減碳中利益受到最大影響的，所以任何的措施都要能夠平衡考量，幫助脫貧以及壓低碳排放的兩個需求。

另外一點是，既然考慮“淨值”，有沒有一些可以積極減低大氣層中碳的方式呢？這裡就有介紹到一些很有趣的新科技，包括空氣中的碳吸收的技術，還有一些利用短暫改變雲的反射光線程度，來降低溫度的方式。比爾蓋茲也提到，雖然核電意外讓人十分驚恐 （但目前因其他發電方式造成的疾病與死亡，似乎遠多於核電），有一些區域還是必須適度的考量部分，用這種相對乾淨的方式發電。

過去讀 “人類大歷史三部曲” 中，哈拉瑞一直講到，智人 (homo sapiens)勝出的最重要原因，就是能夠將不認識的許多人組織在一起的能力，不管是透過信仰或是共同目標。既然如此，現在應該是把這樣的能力發揮到更強大的機會了！ 比爾蓋茲這本書，原本去年3月要出版，但剛好碰上新冠肺炎的疫情才延後。所以他在書中的最後，講到透過這次疫情，他看見人們決心攜手合作，解決一個問題時的力量 （主要是講到學術研究與醫藥界，史無前例的合作快速推出疫苗，但是也講到不願承認問題時的災難）。雖然氣候變遷在他的想法中比對抗疫情更困難，但他認為帶動普遍的討論，人們覺醒一起面對時，仍然是有得勝的盼望。

"I'm an optimist because I know what technology can accomplish, and because I know what people can accomplish. I'm profoundly inspired by all the passion I see, especially among young people, for solving this problem."

（我是一名樂觀主義者，因為我知道科技能夠成就些什麼事，而且我更知道人們能成就什麼事。我深深的被我所見到的人激勵，特別是年輕人，關於解決這個問題所展現的熱情）

其他相關延伸閱讀：
"Billion Dollar Burger" 價值億萬的漢堡-- 人造肉的故事
https://dushuyizhi.net/billion-dollar-burger-價值億萬的漢堡/

“Factfulness” "真確” -- 從數據真確判斷世界的走向
https://dushuyizhi.net/factfullness-資訊爆炸下的思考紀律/

全文與相關的圖片和報導連結在部落格中
https://dushuyizhi.net/how-to-avoid-a-climate-disaster-如何避免氣候災難/

#ClimateChange #BillGates #氣候變遷 #比爾蓋茲

（Photo credit: Bill Gates' Twitter)

「它將改變一切！」

DeepMind AI解決生物學50年來重大挑戰，破解蛋白質分子折疊問題。

本週振奮全球AI界的消息：Google旗下人工智能企業DeepMind發布了最新 AlphaFold成果，這是全球AI界無比振奮的重大科研突破。蛋白質存在於我們世界中的所有有機物體及奧妙人體中，全新的AlphaFold 算法揭秘了生物學界50年來試圖破解蛋白質分子折疊的難題，這項AI帶來的重大突破，將幫助科學家弄清某些困擾人們的疾病機制、加速找出新型流行病的具體原因（比如今年的全球新冠大流行），促進新藥設計、幫助農業增產、解析可有效降解廢棄物的嶄新成分、甚至探索為大氣減碳的全新解決方案。

我特別期待 AlphaFold 能為人類健康、環境生活推向更寬廣的可能性。在魔幻2020 最後一個月，這真是一個讓人懷抱希望的全新技術可能性，期待 AlphaFold之後締造更多 AI for Good 落地應用。

以下文章詳盡解釋了這項突破，內容經《機器之心》微信公眾號授權轉載。

▎生物學界最大的謎團之一，蛋白質折疊問題被 AI 破解了。

11 月 30 日，一條重磅消息引發了科技界所有人的關注：谷歌旗下人工智能技術公司 DeepMind 提出的深度學習算法「Alphafold」破解了出現五十年之久的蛋白質分子折疊問題。

最新一代算法 Alphafold 2，現在已經擁有了預測蛋白質 3D 折疊形狀的能力，這一複雜的過程對於人們理解生命形成的機制至關重要。

DeepMind 重大科研突破的消息一出即被《Nature》、《Science》等科學雜誌爭相報導，新成果也立刻獲得了桑達爾 · 皮查伊、伊隆 · 馬斯克等人的祝賀。

科學家們表示，Alphafold 的突破性研究成果將幫助科研人員弄清引發某些疾病的機制，並為設計藥物、農作物增產，以及可降解塑料的「超級酶」研發鋪平道路。

「這是該研究領域激動人心的一刻，」DeepMind 創始人、首席執行官德米斯 · 哈薩比斯說道。 「這些算法今天已經足夠成熟強大，足以被應用於真正具有挑戰性的科學問題上了。」

蛋白質對於生命至關重要，它們是由氨基酸鏈組成的大型複雜分子，其作用取決於自身獨特的 3D 結構。弄清蛋白質折疊成何種形狀被稱為「蛋白質折疊問題」。在過去 50 年裡，蛋白質折疊一直是生物學領域的重大挑戰。

DeepMind 的 AlphaFold 讓人類在這一問題上取得了重要突破。在今年的國際蛋白質結構預測競賽 CASP 中，DeepMind 開發的 AlphaFold 最新版本擊敗了其他選手，在準確性方面比肩人類實驗結果，被認為是蛋白質折疊問題的解決方案。這一突破證明了 AI 對於科學發現，尤其是基礎科學研究的影響。

在兩年一次的 CASP 競賽中，各組爭先預測蛋白質的 3D 結構。今年，AlphaFold 擊敗了所有其他小組，並在準確性方面與實驗結果相匹配。

對於不熟悉生物領域的人來說，CASP 的大名可能有些陌生——CASP 全稱 The Critical Assessment of protein Structure Prediction，旨在對蛋白質結構預測進行評估，被譽為蛋白質結構預測的奧林匹克競賽。 CASP 從 1994 年開始舉辦，每兩年一屆，目前正在進行的一屆是 11 月 30 日開始的 CASP14。

而 DeepMind 這一突破有什麼影響？

用哥倫比亞大學計算生物學家Mohammed AlQuraishi 在Nature 文章中的話來說，「可以說這將對蛋白質結構預測領域造成極大影響。我懷疑許多人會離開該領域，因為核心問題已經解決。這是一流的科學突破，是我一生中最重要的科學成果之一。」

▎蛋白質折疊問題

蛋白質的形狀與它的功能密切相關，而預測蛋白質結構對於理解其功能和工作原理至關重要。很多困擾全人類的重大問題（如尋找分解工業廢料的酶）基本上都與蛋白質及其扮演的角色有關。

多年以來，蛋白質結構一直是熱門的研究話題，研究者使用核磁共振、X 射線、冷凍電鏡等一系列實驗技術來檢測和確定蛋白質結構。但這些方法往往依賴大量試錯和昂貴的設備，每種結構的研究都要花數年時間。

1972 年，美國科學家 Christian Anfinsen 因「對核糖核酸酶的研究，特別是對其氨基酸序列與生物活性構象之間聯繫的研究」獲得諾貝爾化學獎。在頒獎禮上，他提出了一個著名的假設：從理論上來說，蛋白質的氨基酸序列應該可以完全決定其結構。這一假設引發了長達五十年的探索，即僅僅基於蛋白質的一維氨基酸序列計算出其三維結構。

但這一思路的挑戰在於，在形成三維結構之前，蛋白質的理論折疊方式是一個天文數字。 1969 年，Cyrus Levinthal 指出，如果使用蠻力計算的方式來枚舉一種蛋白質可能存在的構象，要花費的時間甚至比宇宙的年齡還要長。 Levinthal 估計，一種蛋白質大約存在 10^300 種可能構象。但在自然界中，蛋白質會自發折疊，有些只需幾毫秒，這被稱為 Levinthal 悖論。

CASP 14 比賽最新結果：AlphaFold 中位 GDT 高達 92.4

CASP 競賽由 John Moult 和 Krzysztof Fidelis 兩位教授於 1994 年創立，每兩年進行一次盲審，以促進蛋白質結構預測方面的新 SOTA 研究。

一直以來，CASP 選擇近期才經過實驗確定的蛋白質結構，作為參賽團隊測試其蛋白質結構預測方法的目標（有些結構即使在評估時仍然處於待確定狀態）。這些蛋白質結構不會事先公佈，參賽者也必須對其結構進行盲測，最後將預測結果與實驗數據進行對比。正是基於這種嚴苛的評估原則，CASP 一直被稱為預測技術評估方面的「黃金標準」。

CASP 衡量預測準確率的主要指標是 GDT（Global Distance Test），範圍從 0 到 100，可以理解為預測的氨基酸殘基在正確位置閾值距離內的百分比。 John Moult 教授表示，GDT 分數在 90 分左右，即可視為對人類實驗方法具備競爭力。

在剛剛公佈的第14 屆CASP 評估結果中，DeepMind 的最新AlphaFold 系統在所有預測目標中的中位GDT 達到92.4，意味其平均誤差大概為1.6 埃（Angstrom），相當於一個原子的寬度（或0.1納米）。即使在難度最高的自由建模類別中，AlphaFold 的中位 GDT 也達到了 87.0。

歷屆 CASP 競賽自由建模類別中預測準確率中位數的提升情況，度量指標為 BEST-OF-5 GDT。

CASP 競賽自由建模類別中的兩個目標蛋白質示例。 AlphaFold 能夠預測出高度準確的蛋白質結構。

這些令人振奮的結果開啟了生物學家使用計算結構預測作為科研主要工具的時代。 DeepMind 提出的方法對於某些重要的蛋白質類別尤其有用，例如膜蛋白（membrane protein）。膜蛋白很難結晶，因此很難通過實驗方法來確定其結構。

該計算工作代表了在蛋白質折疊這一具備 50 年曆史的生物學問題上的驚人進展，比該領域人士成功預測蛋白質折疊結構早了幾十年。我們將很興奮，它能從多個方面對生物學研究帶來基礎性改變。 ——Venki Ramakrishnan 教授（諾貝爾獎得主，英國皇家學會會長）

▎DeepMind 這樣解決蛋白質折疊問題

2018 年，DeepMind 團隊使用初始版 AlphaFold 參加 CASP13 比賽，取得了最高的準確率。之後，DeepMind 將 CASP13 方法和相關代碼一併發表在 Nature 上。而現在，DeepMind 團隊開發出新的深度學習架構，並使用該架構參加 CASP14 比賽，達到了空前的準確率水平。這些方法從生物學、物理學、機器學習，以及過去半個世紀眾多科學家在蛋白質折疊領域的工作中汲取靈感。

我們可以把蛋白質折疊看作一個「空間圖」，節點表示殘基（residue），邊則將殘基緊密連接起來。這個空間圖對於理解蛋白質內部的物理交互及其演化史至關重要。對於在 CASP14 比賽中使用的最新版 AlphaFold，DeepMind 團隊創建了一個基於注意力的神經網絡系統，並用端到端的方式進行訓練，以理解圖結構，同時基於其構建的隱式圖執行推理。該方法使用進化相關序列、多序列比對（MSA）和氨基酸殘基對的表示來細化該圖。

通過迭代這一過程，該系統能夠較強地預測蛋白質的底層物理結構，並在幾天內確定高度準確的結構。此外，AlphaFold 還能使用內部置信度度量指標判斷預測的每個蛋白質結構中哪一部分比較可靠。

DeepMind 團隊在公開數據上訓練這一系統，這些數據來自蛋白質結構數據庫（PDB）和包含未知結構蛋白質序列的大型數據庫，共包括約 170,000 個蛋白質結構。該系統使用約 128 個 TPUv3 內核（相當於 100-200 個 GPU）運行數週，與現今機器學習領域出現的大型 SOTA 模型相比，該系統所用算力相對較少。

此外，DeepMind 團隊透露，他們準備在適當的時候將這一 AlphaFold 新系統相關論文提交至同行評審期刊。

AlphaFold 主要神經網絡模型架構概覽。該模型基於進化相關的蛋白質序列和氨基酸殘基對運行，迭代地在二者的表示之間傳遞信息，從而生成蛋白質結構。

▎對現實世界的潛在影響

「讓 AI 突破幫助人們進一步理解基礎科學問題」，經過 4 年的研究攻關，現在 AlphaFold 正在逐步實現 DeepMind 初創時的願景，在藥物設計和環境可持續性等領域都產生了重要的影響。

馬克斯· 普朗克演化生物學研究所所長，CASP 評估員Andrei Lupas 教授表示：「AlphaFold 的精確模型讓我們解決了近十年來被困擾的蛋白質結構，重新啟動關於信號如何跨細胞膜傳輸的研究。 」

DeepMind 表示願與其他研究者合作，以進一步了解 AlphaFold 在未來幾年的潛力。除了作用於經過同行評審的論文以外，DeepMind 還在探索如何以最佳的可擴展方式為系統提供更廣泛的訪問可能。

同時，DeepMind 的研究者還研究了蛋白質結構預測如何幫助人們理解一些特殊的疾病。例如，通過幫助識別存在故障的蛋白質，並推斷其相互作用的方式，來理解一些疾病的原理。這些信息能夠讓藥物開發更加精確，從而補充現有的實驗方法，並更快找到更有希望的治療方法。

AlphaFold 是十分卓越的，它在預測結構蛋白質的速度和精度上有著驚人的表現。這一飛躍證明了計算方法對於生物學中的轉換研究，加速藥物研發過程都具有廣闊的前景。

同時許多證據也表明，蛋白質結構預測在未來的大流行應對上是有用的。今年早些時候，DeepMind 使用 AlphaFold 預測了包括 ORF3a 在內的幾種未知新冠病毒蛋白質結構。在 CASP14 中，AlphaFold 預測了另一種冠狀病毒蛋白質 ORF8 的結構。目前，實驗人員已經證實了 ORF3a 和 ORF8 的結構。儘管具有挑戰性，並且相關序列很少，但與實驗確定的結構相比，AlphaFold 在兩種預測上都獲得了較高的準確率。

除了加速對已知疾病的了解，AlphaFold 還具備很多令人興奮的技術潛力：探索數億個目前還沒有模型的數億蛋白質，以及未知生物的廣闊領域。由於 DNA 指定了構成蛋白質結構的氨基酸序列，基因組學革命使大規模閱讀自然界的蛋白質序列成為可能——在通用蛋白質數據庫（UniProt）中有 1.8 億個蛋白質序列。相比之下，考慮到從序列到結構所需的實驗工作，蛋白質數據庫（PDB）中只有大約 170000 個蛋白質結構。在未確定的蛋白質中可能有一些新的和未確定的功能——就像望遠鏡幫助人類更深入的觀察未知宇宙一樣，像 AlphaFold 這樣的技術可以幫助找到未確定的蛋白質結構。

▎開創新的可能

AlphaFold 是 DeepMind 迄今為止取得的最重要進展之一，但隨著後續科學研究的開展，依然有很多問題尚待解決。 DeepMind 預測的結構並非全部都是完美的。還有很多要學習的地方，包括多蛋白如何形成複合體，如何與 DNA、RNA 或者小分子交互，以及如何確定所有氨基酸側鏈的精確位置。此外，在與他方合作的過程中，還需要學習如何以最好的方式將這些科學發現應用在新藥開發以及環境管理方式等諸多方面。

對於所有致力於科學領域中計算和機器學習方法的人而言，像 AlphaFold 這樣的系統彰顯了 AI 作為基礎探索輔助工具的驚人潛力。正如 50 年前 Anfinsen 提出的遠超當時科研能力所及的挑戰一樣，這個世界依然有諸多未知的方面。

DeepMind 取得的這一進展令人們更加堅信，AI 將成為人類擴展科學知識邊界的最有用工具之一，同時也期待未來多年的艱苦工作能夠帶來更偉大的發現。

影片及原文，參考 DeepMind官方部落客 https://deepmind.com/blog/article/alphafold-a-solution-to-a-50-year-old-grand-challenge-in-biology

✨訂閱我的頻道 https://goo.gl/cJUSVh

常用的營養品
✨【MYPROTEIN】http://bit.ly/Ashleexiu
✨【專屬6折碼】👉🏻MYPASHLEE
-------------------------------
常用的拉力帶
✨【VERSA GRIPPS】https://www.versagripps.tw/
✨【折扣碼】👉🏻Ashlee
-------------------------------
高蛋白健身魚
✨【POSEIDON】https://www.poseidonfh.com
✨【折扣碼】👉🏻Ashlee
--------------------------------------
訓練菜單資訊

💥『變身計畫』
📍初學者、想系統化健身的新手
👉🏻https://ashleexiu.clickfunnels.com/transformation
💥『神力女超人計畫』
📍有重訓基礎想更上一層樓的健身者
👉🏻https://ashleexiu.clickfunnels.com/wonderwoman
--------------------------------------

・這次的增肌到減脂歷程
・減脂在我身上的副作用
・減脂一定要做有氧嗎？
・增肌到什麼程度可以開始減脂？
・什麼是減脂？
・我的減脂期熱量怎麼分配？
・我減脂期的熱量攝取
・減脂一定要減少碳水嗎？
・營養品補劑是必要的嗎？
・平常吃什麼營養品補劑
・最便宜的蛋白質

--------------------------------------

追蹤我
✨ Instagram 👉🏻https://goo.gl/m5Ro8b
✨ FB👉🏻 https://www.facebook.com/ashlee.lin.0/
--------------------------------------

我們的健身服裝品牌
✨ TAIGER 官網 👉🏻https://goo.gl/IjRjwB
✨【折扣碼】👉🏻Ashlee
--------------------------------------
--------------------------------------

我們出國上網會用的WIFI分享器
✨下面連結點入有特價+8折+寄件免運
✨http://globalwifi.com.tw/?pr_vmaf=QOLAdV1Gk5
来台湾租借WiFi 优惠连结：https://www.wifi-rental.com.tw/?apply_coupon=ashlee10
--------------------------------------
✨ 我的二手出清👉🏻 https://shopee.tw/show_o_o

字幕原文

哈囉大家好
我是Ashlee
我今天的主題是想要分享我的體態更新
跟我現在健身的狀態
其實我每天會收到很多的訊息
關於健身的問題
我是很樂意的為大家解惑跟分享我的經驗
只是這些收到的問題裡面很多都是重複的
所以我覺得我就乾脆拍一個影片
就不用每次用這個小小的手機一直在回重複的問題
我的狀態也是很多人好奇的
可能是想要給自己動力
可能是想要參考
但我認為每個人的條件跟體質都不一樣
你可以參考
但是你還是得自己花時間去執行
用心觀察你的身體
現在是2018年的4月份
我是從大概2017年的11月中開始減脂的
在減脂以前我進行了大概五個月的增肌
教練幫我安排的是slow bulk
lean bulk
就是所謂的慢增肌
用非常緩慢的速度去增加我的肌肉量
這個目的是讓我處於增肌模式的時候
體脂肪增加幅度最小的情況下去增加我的肌肉量
讓我雖然處於增肌模式
但是體脂肪不會長得太誇張
這五個月的時間我大概增加了三公斤
一開始是因為工作的需求
所以我有做一個短暫的急速減脂
但基本上這整個減脂過程
教練一樣是幫我安排緩慢的減脂
目的是讓我的身體壓力不要這麼大
不要這麼痛苦
另外一方面也是希望可以避免我在減脂過程中
造成的肌肉流失
拜託 我辛苦練的肌肉欸
但是我必須承認這次的減脂
其實我沒有做得很好
因為中間經歷過幾次出國
沒有辦法控制訓練跟飲食的狀況下
又加上因為我並沒有要比賽或是有什麼急促的目標
所以就讓我比較沒有壓力
然後我常常
沒有常常 偶爾
就是會跳過教練給我的有氧安排
沒有把他交代我的有氧給做完
我超討厭有氧你們知道
如果你想要看我的旅遊影片的話呢
也歡迎你訂閱我的頻道去看我以前的旅遊Vlog
直到最近這一個月我開始覺得
我自己的體重停滯了好一段時間
但是那種減脂的副作用卻已經在我的身上發酵
例如我會開始抱怨自己為什麼每天吃那麼少
然後我訓練的時候根本就沒有力
為什麼有這麼多有氧要做
然後脾氣不好
對食物的慾望超高
所以我想要趕快結束這個減脂的痛苦
所以我決定我要開始奮發
拚了
我應該要乖乖做好
趕快把減脂結束回到增肌模式
我下定決心奮發到現在已經三週了
這三週其實也沒有什麼真的奮發
就是照著教練給我的課表
好好的訓練 好好的吃 好好的睡
好好的做有氧
這三週我就掉了大概1.5公斤
其實效果還滿明顯的
因為我之前有氧真的就是狂偷懶
減脂有一定要做有氧嗎
其實不一定
我之前有過不做有氧的
靠飲食跟重訓的減脂
也是有成效啊 但是效果超級慢
我覺得有氧可以增加你減脂的效率
讓你趕快度過那個痛苦期
然後趕快回到一個正常人的生活
這三週的奮發除了乖乖做好
教練安排給我的東西以外
我還買了補劑 只是還沒到
我剛剛說我這三週掉了1.5公斤
我衡量體重的標準是我每天早上第一件事情就是上體重機
我會把每天的體重都記錄下來
已週平均為單位去比較我的體態進度
每週我也都會量身圍
就是用那種軟的捲尺
這邊沒有
用軟的捲尺量我的身圍
用影片拍下我的體態紀錄
就是剛才給你們看的
我有找出去年9月我從很瘦的時候
慢慢增肌到跟現在體重差不多的影片給你們看
也就是7個月前跟現在是差不多體重
我們看看我這七個月之間有沒有什麼變化
大家一起來找碴
現在我就來簡短的回覆一下
大家問到關於我個人健身的問題
請問增肌到什麼程度可以開始減脂
我覺得這個問題沒有標準答案
就像我這次其實增肌拉得比較長一點點
我個人覺得如果你不是什麼健美運動員
你有比賽
或是可能你過幾個月要結婚
或是你要約會你要幹嘛
你沒有一個時間的期限的話
就等到你受不了你的體脂肪的時候你就可以開始減脂
但是基本上會建議增肌期至少要拉三個月以上
因為肌肉成長也是需要時間的喔
你說你增肌後開始減脂 怎麼樣算是減脂
減脂就是讓你的身體處於一個熱量deficit
就是熱量盈缺
盈缺 是這樣講嗎
你攝入的熱量是低於你身體所需要的
也就是我身體需要兩千大卡但我就只給他一千八
那這另外兩百會從哪裡拿呢
就是從你身上的體脂肪或是肌肉
所以這個時候我們對於該怎麼在減脂期最大化保留肌肉
也是一件很重要的事情
這個我以前的影片有講過
減脂剛才講到了嘛
就是低於你身體所需要的熱量
也就是低於你的TDEE ( 每日消耗熱量 )
那怎麼樣知道你自己的TDEE怎麼樣去分配呢
這個我以前的影片也有講
請去看
你在減脂期你的熱量是怎麼分配的
這個問題會比較難回答
因為我現在有請教練嘛
那教練基本上是每週都會幫我調整
看我身體的狀態 看我體重變化
看我的身型 體脂肪掉的程度等等
去做變化
不過有幾個要點就是
他都會幫我用一個很輕微的改變去騙我的身體
也是讓我的身體可以慢慢的適應
不管是增肌還是減脂都是用一個緩慢的速度去調整
通常減脂一開始的時候會很有效過
中間就會遇到一個平台期
接下來你就要再給它注入一點什麼讓它繼續往下掉
我現在覺得已經算是中後期
就是稍微要比較硬一點的去處理我的身體
我現在一個禮拜有三種熱量
分別是休息天 訓練天 跟一個refeed day ( 補碳日 )
refeed day我通常會把它安排為練腿的時候
因為練腿的時候比較累
那我的熱量攝取是一千三到一千六
這三天之間呢
蛋白質都是固定的
主要差別就是在碳水的攝取
順道一提
其實很多人說減脂就是要減少碳水嘛
這沒有錯
因為確實減少碳水可以讓你減脂掉的非常的快
碳水循環 反正我以前影片有
靠減少碳水讓自己掉脂肪的這個方式我以前試過
我這一次的這個教練他喜歡的方式是
不要減碳水
碳水都還是很高
你看像我現在休息天的碳水我還有吃到一百克
這樣子的方式對我來說
減脂減的較慢
但是我的體力比較好 不至於那麼痛苦
還有一個最重要的
我跟以前自己那種減碳水的胡亂減脂比起來
我覺得我這一次的肌肉量有比較能保留住
不知道是肌肉量還是說因為碳水他會在你的肌肉之中
會儲水
所以你的肌肉就不會顯得很乾扁
像你看我現在減脂
可是我肌肉應該還算飽滿吧
但是我之前減脂的時候就整個人瘦的乾乾扁扁
就很可憐 很像難民
我覺得這也是為什麼會請教練
因為我自己每天看我自己
我只覺得我有變瘦
但是我會沒有辦法用第三個人的眼光去看我自己
像我現在的教練他就可以非常客觀的去判斷
他覺得我應該要怎麼樣
畢竟他們是專業的
補劑營養品是必要的嗎
這個問題我以前也回答過
其實我覺得啦
如果你今天不是什麼專業的運動員
你只是一個一般的訓練者
只是一個初學者 入門者
我覺得你就是把你的蛋白質吃夠
然後控制你的熱量跟你的營養素
注意你自己的訓練量
睡的好 壓力不要太大等等
你把這些基本的都顧好之後
如果你覺得你還想要在更上一層樓
你就可以考慮添購這些額外的營養補充品
像我自己
覺得我平常都有乖乖的計算卡路里
乖乖訓練 乖乖有氧
我還是希望我的減脂可以進行的快一點
所以我有買了一些補劑
我等一下會跟你們分享我買了些什麼
很多營養補充品它其實都是可以從一般的食物中攝取的
譬如說你吃牛肉你可以得到肌酸
但是你要得到足夠的肌酸可能要吃超級多的牛肉
就會讓你熱量超過
這就不符合我們想要減脂的目的嘛
這也是為什麼會額外的添加一些營養補充品
目的是在這邊
你平常會吃什麼補充品呢
我其實吃很多補充品
我有時候都覺得自己很像藥罐子
但我知道我吃的那些東西並不是藥
他就是一些我剛才講的嘛
從食物中可以攝取到的一些營養素
只是把它濃縮起來
只有一個單一的成分這樣子
我最近在斷我的pre-workout
因為我不想要太依賴pre-workout
我應該已經一兩個月沒有在喝pre-workout了
我平常會吃肌酸 CLA
但是我想要跟你們提醒一下
CLA並不是說你吃下去就馬上有效果
研究證實你要吃至少三個月以上
我這次買的補充品其實大部分也都是我以前有在吃的
像是carnitine肉鹼
這個我會在運動前的時候吃
有氧前的時候吃
然後另外一個是ZMA
ZMA它是鋅鎂片
它可以幫助我的睡眠
在睡覺的時候吃ZMA
而且我覺得吃下去我好像比較好睡
不知道是心理作用還是怎樣
但我確實睡得比較好
然後我還買了一個我從來沒有吃過
是myprotein的減脂膠囊
不覺得減脂膠囊這四個字聽起來就是很像bull shit
通常會叫這種名字的一定不是什麼好東西
但是我有注意的看了一下
成份基本上就是一些植物性的東西
大部分裡面的配方就是可以幫助加速減脂
我想說反正我現在這麼想要趕快結束減脂期
我就買一點吃看看
但就像剛才講的啦
我覺得你要先把你該做的做好
你才考慮去買這些額外的補充品
我覺得最基本的蛋白質吃夠就好
那如果你覺得從平常的食物上面很難把你的蛋白質吃滿
我就會建議你可以買乳清
這是一個非常方便而且乳清很便宜
最便宜的蛋白質就是雞蛋或是乳清
但是雞蛋的蛋黃脂肪滿高的
我覺得每次把蛋黃丟掉又好浪費
只吃蛋白我可能會選擇喝乳清
篇幅有限
所以我們今天的影片就到這邊
如果你還有什麼其他的問題
非常歡迎你在下面留言給我
讓我可以做下一支影片的題材
我們下次見