「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

之前造成秒殺，我的新歡最愛，
讓我每每敷完直接小一號，
164.88° 光透膠原胜肽系列面膜來囉！

除此之外，
還有獨家加開星和醫美館164.88° 光透膠原胜肽亮白精華聲波導入，
(名字未免太長，以下簡稱164.88導入課程)
這個優惠價格保證你嚇到直呼太划算！

這波一年一度的 #美賣920 活動，
子犬闆娘獨賣以上商品和課程，
而且滿2,000元還可以直接獲得雙人首爾來回機票，
不是抽哦，是直接送！
所以千萬不要錯過！！！

美賣920 X 子犬獨家 X 164.88° 光透膠原胜肽系列面膜
❤嫩膚面膜：五胜肽，縮小毛孔、柔嫩細緻、滋養修護
❤瓷亮面膜：九胜肽，淡化斑點、改善暗沉、全面提亮
(我個人偏好九胜肽，超讚)
面膜限量各50盒組(25ml*5片/盒組)
這裡買➡️ https://meim.ai/596d16

美賣920 X 子犬獨家 X 星和醫美館 164.88°光透膠原胜肽亮白精華聲波導入
❤直接用超威的164.88°九胜肽精華安瓶，
運用超聲波導入儀，
直接加快吸收、加強保水亮白。
60分鐘如臉部SPA的課程，
不痛不侵入，就馬上有非常明顯的效果，
我做完當下所有人都驚呼太神！
皮膚好到跟我一開始上了妝一樣，
有圖有真相(看照片)。
內含：
光透膠原胜肽亮白精華聲波導入+光透膠原胜肽亮白面膜調理
子犬闆娘直接2.9折，每人限購一堂
這裡買➡️ https://meim.ai/4b50aa

先來說說這164.88° 面膜和精華液為什麼會讓我和公司所有人都為之瘋狂，造成內部狂搶？
自己家這麼好的星采生物纖維面膜不用，
反而來代理人家的這款商品？
為了它，還特別拿去第三方檢測、排隊等貨。

因為用完臉直接緊緻小一號啊！
不管是保濕、緊緻、拉提，
164.88° 的表現讓我從此變心，

164.88° 是採用光透膠原胜肽技術，
與自體III型膠原蛋白相近，
具備修復人體的機能。
與美國紐約血液中心、中國科學院生物物理研究所專利合作，通過重組人源膠原蛋白發明專利，
已經被國際蛋白質資料庫(PDB)收錄。
此技術才剛問世，尚未宣傳，就被我們拿下了！

膠原蛋白是人體最豐富的蛋白，
佔肌膚比重70%。
而真皮層內的I型與III型膠原蛋白提供肌膚支撐作用，
使肌膚飽滿有彈性。
其中，III型膠原蛋白纖維細小，
含量越高，肌膚就越柔軟、細膩、有彈力。

#結構清晰
同人體III型的膠原蛋白，具備修復人體的機能，相關數據已被國際蛋白質資料庫(PDB)收錄，收錄編號：6A0A、6A0C

#安全性高
無動物源病毒傳播及異源過敏等風險，採無菌環境生產，敏弱體質也可安心使用

#相容性高
網絡黏附力強，可與肌膚自身的膠原交聯，形成膠原防護網，提升肌膚自身的防禦力

#保水性佳
含有大量親水分子，能牢牢吸附肌膚內部及表層的水分子，有效補充不易流失的結合水

可能看到這，有人還是不懂這些名詞，
沒關係！
這光透膠原胜肽甚至被研發運用在女性私密處緊緻用，
這樣就知道它有多威了吧！？

164.88° 面膜限量各50盒組(25ml*5片/盒組)
這裡買➡️ https://meim.ai/596d16

164.88° 導入課程，每人限購一堂
這裡買➡️ https://meim.ai/4b50aa

➡️活動時間：2019/9/18 - 2019/9/24
➡️付款說明：虛擬帳號、信用卡、LinePay
➡️運費：80元 (滿 3000元免運)
➡️面膜團為現貨限量商品，結團後14工作天內寄出商品，預計10/14依訂單順序開始出貨。兩種系列限量販售各50盒，每人不限購買盒數，數量有限售完為止。
➡️導入課程每人限購一堂，課程兌換採電子票券序號，優惠期限2019/10/3-2019/12/30，來店7日前先行以電話預約，至各店星采/星和醫美館出示電子序號核銷即可。（電子票券序號以Email和手機簡訊寄出，詳細兌換方式&規定請見方案的商品介紹及注意事項說明）

美賣慶生齊狂歡，連續三天手刀BUY！
一年一度的 #美賣網紅節 來臨了～
史無前例狂歡盛典，帶給您滿滿瘋狂開團三天+消費$2,000元即送機票兌換券+好友分享連結活動！

✔推薦好物開心買，美賣機票開心送
9/18-9/20期間，全站不限商品，凡下單滿 $2,000元 (不含運費) 就送桃園首爾雙人團體來回機票兌換券！(於10/31提供兌換)

✔好友分享連結，優惠輕鬆拿
9/18-9/20期間，將你真心推薦的開團建立個人專屬分享連結，推薦給親友下單，成功累積消費金額即可兌換優惠金，當日累積金額前三名更贈送超值好禮！

【客服資訊】
客服時間: 週一至週五 09:30-18:30 (例假日休息)
客服 Line ID：@meimaii

#美賣網紅節 #美賣就愛你 #920美賣網紅節

@肥雪@
台灣車手王瑞鴻在海外征戰的心路歷程... (y)

終於結束了，我在Le Mans的世界盃，這對我來說是一種三年來我接觸到卡丁的檢視，與PDB RACING訓練過成功從SPA K4A 後煞到IAME 世界杯的前煞。
在International Final中 第一週的車隊練習，我差距已經被拉進至兩秒，問題出在前煞永遠太早按，複合彎永遠處理不好，我也因為幸運才有機會跟我們車隊最快差到一秒。為什麼幸運？因為從DATA來看，我開的跟他們都相反。一直到正賽的官方練習，我終於突破56秒大關，在最後一次官方練習終於進到了55.9，有著和大家一較高下的機會，隨著每次的進步每次回到帳篷跟著車隊一起歡呼，大家也希望我在排未能作出55.5。不過晚上的排位，我只做出56.7，我沒任何藉口，我沒做好。
資格賽總共六場。
第一場 雨站
不得不說我這次來到歐洲比賽比最好的就是雨站，第一場我跟著大家從第一圈戰到最後一圈，最後一圈大家在大亂鬥，我在最後一彎一次抄掉了四台車，我拿到了22名。
第二場 乾地
沒什麼特別，不過依舊從第一圈跟人戰到最後一圈，只記得我忙著被抄車，忙著抄回來。最後完賽在23名。
第三場 雨-乾
這場也是最特別的一場，由於只有兩乾兩濕，比賽起跑前下起雨，每個人都在賭不到最後一秒鐘不進去圍場，我和我技師討論後選定用第一場比賽的雨胎來跑。我得利於剛開始的場地狀況，不過後來我輪胎燒光了，地變乾了，使用乾胎的在後來一直超越我。不過這場也是我做到全場歡呼的一場，最後一彎我背後車頂，我當下已經全油門，我全速360度在大直線Spin，再繼續衝，中間沒有一絲慢下來。Colin 以及 Peter 一度以為我要把我車架給毀了ＸＤ不過那也是我開卡丁車中最漫長的一秒鐘。據在看台上的觀眾表示全部看台上的人都在拍手叫好ＸＤ。完賽在30名
第四場 乾地
一樣也是從第一圈戰到最後一圈，完全沒有獨跑。抄車點大致上都在直線底，130KM抄車真的很爽。完賽在24名
第五場 乾地
悲劇的一場，第一彎能飛的都飛出去了，我也進到中間位置了。結果在第四彎我的保桿背後車扯下來，結束了我的第五回合。
第六場 乾地
我使用了最後一套全新胎，希望能盡入C FINAL。不過由於我成績一直在20-30來回跑。我又欠缺一場成績，實在很渺茫。比賽結束時真的有感覺，結束了。 我的世界盃。
這次比賽欣慰的是我真的學到了很多東西，我也從沒獨跑過，我從第一場戰到最後一場，保桿從沒完整過。我學到了很多經驗，被頂被撞，下來你不爽技師還會告訴你，這就是賽車，你一定會被頂被撞。不想被撞就回家吃自己，被人當煞車根本常有的事情。
最後車手巡禮，我不爽的看著我的成績單被改成奧運旗子，進去跟賽會確認我沒有國旗後，我跟他們要了根竹竿，掛上我的超大國旗，在五星旗前面揮舞。
賽會也在最後一個介紹我
我來自台灣，我是 王瑞鴻。