人工智能里程碑突破：DeepMindI精准预测蛋白质结构
▲AlphaFold的神经网络模型构架（图片来源：DeepMindBlog）
惊人的准确性
AlphaFold的第一次运用了人工智能的方法，即深度学习来预测蛋白质中成对氨基酸之间的距离。但是试图在这种方法的基础上继续前进时，却碰壁了。因此，他们改变策略，开发了一个AI网络，该网络结合了决定蛋白质如何折叠的物理和几何约束信息，旨在用该网络来预测目标蛋白质序列的最终结构，而非氨基酸之间的关系。
CASP历时数月，预测了总共约100个蛋白质结构。其中，许多条目惊人的准确性使AlphaFold脱颖而出。AlphaFold将近三分之二的预测与实验结构相当。目前尚不清楚某些情况下AlphaFold的预测与实验结果之间的差异是预测误差还是实验的假象。在被认为中等难度的蛋白质靶标上，其他团队的最佳表现通常在100分的预测准确度上得分75，而在相同的靶标上AlphaFold得分大约90。
AlphaFold的预测与通过核磁共振成像技术确定的实验结构的匹配性较差，但是这可以归结为如何将原始数据转换成一个模型。该网络还为蛋白质复合物或组中的单个结构建模，从而与其他蛋白质的相互作用扭曲了它们的形状。
哥伦比亚大学的计算生物学家MohammedAlQuraishi是CASP的参与者，他渴望在比赛后深入研究AlphaFold的性能细节，进一步了解该系统的工作原理，他表示这有可能使蛋白质结构更容易解析，而AlphaFold在结构生物学领域可能是变革性的。
▲2006-2020年CASP比赛中最佳蛋白折叠预测系统的评分表现
（图片来源：DeepMindBlog）
更快的结构解析
AlphaFold系统已被用于解析过一种细菌蛋白结构。卢帕斯的实验室为解析该蛋白曾得到大量的蛋白晶体并且收集了很多套X单晶衍射数据用于结构解析，这些数据获取起来非常繁琐，而且成功率极低。但在使用该系统后，半小时就完成了卢帕斯团队十年的工作量。
图：DeepMind的首席执行官DemisHassabis
来源：DeepMind
现阶段AlphaFold系统可能需要几天的时间才能得出预测的结构，其中包括对蛋白质不同区域可靠性的评估。公司的联合创始人兼首席执行官DemisHassabis说，该公司才刚刚开始了解生物学家的需求。他们认为药物发现和蛋白质设计是潜在的市场，所以公司计划让AlphaFold系统有更高的实用性，以便其他科学家可以使用它。
今年年初，生物学家斯蒂芬·布罗恩已利用该系统预测了SARS-CoV-2的蛋白结构。后续的实验结果显示，AlphaFold预测的新冠病毒Orf3a蛋白结构与冷冻电镜解析的结构非常相似。这让斯蒂芬在内的科学家都为之一震。
▲AlphaFold根据氨基酸序列预测的蛋白结构与实验手段解析的结果几乎完全重合
（绿色，实验结果；蓝色，计算预测结果；
图片来源：DeepMindBlog）
对现实世界的影响
AlphaFold现阶段虽不太可能取代冷冻电镜等相关解析蛋白结构的实验手段，但它的出现意味着，生物学家们可以将计算方法预测蛋白结构作为科学研究的工具之一。另外，在现有的繁杂的基因组数据中，新一代分子生物学家如何针对数据转换为蛋白结构解析提供帮助，是AI技术在结构生物学发展中的难题。
AlphaFold的表现将是DeepMind公司发展的一个转折点。DemisHassabis表示像蛋白质结构预测这类科学难题也是其人工智能可以做出的最重要的应用之一。返回搜狐，查看更多
人工智能产业链结构分析：瓶颈和机遇是什么
声明：本文为火石创造原创文章，欢迎个人转发分享，网站、公众号等转载需经授权。21世纪以来，人工智能引领的第四次工业革命悄然而至。进入21世纪第三个十年之后，大数据、云计算、物联网、5G等技术不断突破之下，人工智能有了更好的技术及产业化载体，并逐渐向传统产业渗透。
普华永道数据预测，受到下游需求倒逼和上游技术成型推动的双重动因，预计未来几年人工智能市场将保持高速增长，到2030年全球市场规模将达到15．7万亿美元，约合人民币104万亿元。
01人工智能产业链结构分析
人工智能产业与互联网＋行业类似，均是一种新兴技术通过各种软硬件产品结合，与传统产业进行深度整合之后，提升传统产业效率的一种新兴业态。
从产业链及供应链的角度考虑，人工智能产业结构可分为基础层、感知层、应用层三部分。
基础层：是人工智能产业的基础，通过海量数据形成人工智能产业数据获取（传感器）、数据存储（云计算）、数据处理（芯片及云技术）能力。
感知层：是人工智能产业的中间层，通过机器感知及算法实现基础数据与前端应用的紧密关联。
应用层：是人工智能技术在各产业的应用，是人工智能产业对其他产业的深度改造及赋能，并且随着技术及监管法规的不断完善，人工智能在各行业的应用不断深化。
图1：人工智能产业链结构来源：根据公开资料整理
02我国人工智能产业发展瓶颈
我国人工智能产业应用端几乎与国外同步推进，甚至在某些细分应用实现全球领先（例如智慧零售、智慧医疗、无人驾驶等）。但与其他高精尖产业境遇相似，虽经过多年的发展，我国人工智能产业链结构偏重于应用端，在产业基础及感知能力方面受限较多。得益于我国互联网应用的发展，大数据服务在国内从云计算到大数据分析发展较为迅速，但芯片制造及设计、高端传感器等人工智能基础硬件则发展相对滞后。
表1：我国人工智能产业卡脖子环节以及相关企业
来源：根据公开资料整理
从产业生命周期来看，人工智能产业总体尚处于行业初期阶段。其中：
对人工智能核心芯片的研究尚处于先导阶段，比如类脑芯片的研发距离产业化尚有很长的路要走。另外对于数据海量数据的处理能力、数据标准化、数据资产沉淀能力也有很大进步空间。
人工智能感知行业的技术突破依赖于前端技术的应用，又会从技术突破的角度推动应用市场的深化，目前也处于较大瓶颈期。
人工智能在应用领域的不断突破，是产业发展的重要牵引力，但受限于底层技术的不成熟及政策法规的影响，其在各产业中的应用也处于初期阶段。
03我国人工智能产业发展的机遇
人工智能正引领产业发展新一轮技术革命，也成为国家产业发展的战略控制点，我国人工智能产业总体上处于国际先进水平，虽然产业链关键节点尚存在“卡脖子”情况，但在产业发展进程中同样存在两大核心机遇：
图2：人工智能的应用领域来源：根据公开资料整理
国产替代机会。中美贸易战之后，国家对集成电路及人工智能产业的重视达到空前的高度，目前在国内已经涌现出一批优秀的AI芯片设计软件、制造及高端传感器等创新企业，随着国家及资本不断加大投入，科研机构及企业不断取得技术突破，“卡脖子”变成产业优势及技术壁垒指日可待。
换道超车。伴随着我国互联网产业的高速发展，海量的互联网数据得以产生，我国具备了发展云计算、AI应用的天然优势，加上单体最大的互联网用户群体，对于虚拟现实及人机交互的市场需求也逐渐释放。能否依托数据及用户优势发展人工智能特色应用，并在此技术上形成独特技术、数据壁垒，进而反哺人工智能底层技术研发，是我国人工智能产业可否实现换道超车的关键。表2：我国人工智能产业细分领域融资数量分布情况
来源：根据公开资料整理
04 总结
21世纪迎来人工智能引领产业发展的第四次工业革命。随着技术的不断成熟，人工智能逐渐渗透到生产、生活的各个层面，已成为国家产业发展的战略控制点。
当前我国人工智能产业总体处于国际先进水平，但产业发展依然处于初级阶段，产业链结构偏重于应用端，基础及感知能力方面依然有非常大的突破空间。接下来，我们应紧抓国产替代机会、换道超车两大核心机遇，为新一轮产业变革中竞争新高地提供强大科技动能。—END— 作者