老铁们，大家好，相信还有很多朋友对于蛋白质结构预测：解码生命奥秘和的相关问题不太懂，没关系，今天就由我来为大家分享分享蛋白质结构预测：解码生命奥秘以及的问题，文章篇幅可能偏长，希望可以帮助到大家，下面一起来看看吧！

[[348462]]

蛋白质分子的功能通常取决于其形状和结构，因此了解控制形状和结构的科学可以打开了解从蛋白质如何工作到疾病原因以及设计靶向药物疗法的最佳方法等一切的大门。这是机器学习算法首次以这种方式应用于生物分子动力学，该方法的成功提供了有助于推进人工智能(AI) 的见解。这项工作的研究论文于2020年10月9日发表在期刊《自然通讯》上。

马里兰大学化学与生物化学系副教授Pratyush Tiwary 表示：“在这里，我们展示了用于撰写电子邮件时完成句子的人工智能架构可以用来揭示生命分子所说的语言。”和该论文的高级作者。 “我们证明了这些分子的运动可以映射成一种抽象语言，并且人工智能技术可以用来从由此产生的抽象单词生成生物学上真实的故事。”

生物分子不断运动，周围环境发生变化。它们的形状取决于它们的折叠和扭曲方式。它们可能会保持给定的形状几秒钟或几天，然后突然打开并重新折叠成其他形状或结构。从一种形状到另一种形状的过渡非常类似于逐渐展开的缠结线圈的拉伸。当线圈的不同部分被释放和展开时，分子呈现不同的中间构象。

但从一种形式到另一种形式的转变发生在皮秒（万亿分之一秒）或更短的时间内，这使得高功率显微镜和光谱学等实验方法很难准确捕捉展开过程，哪些参数会影响展开以及哪些不同的形状是可能的。这些问题的答案构成了蒂瓦里的新方法可以揭示的生物学故事。

Tiwary 和他的团队利用牛顿运动定律预测分子内原子的运动，并借助强大的超级计算机（包括马里兰大学的Deepthought2）开发统计物理模型，模拟单个分子的形状、运动和轨迹。

然后，他们将这些模型输入机器学习算法，就像Gmail 在您键入时自动完成句子一样。该算法将模拟视为一种语言，其中每个分子运动形成一个字母，可以与其他运动串在一起形成单词和句子。通过学习确定哪些形状和运动相互遵循、哪些不遵循的语法和语法规则，该算法可以预测蛋白质在改变形状时如何纠缠以及沿途采取的多种形式。

为了证明他们的方法有效，研究小组将其应用于一种称为核糖开关的小生物分子，该分子之前已使用光谱方法进行过分析。结果揭示了核糖开关在拉伸过程中可以采取的各种形式，与光谱研究的结果一致。

“我希望这种药物最重要的用途之一是开发高度针对性的药物，”蒂瓦里说。 “希望有一种药物能够强烈结合，但只结合你想要它结合的东西。如果我们能够理解给定的目标生物分子如何能够”

这项研究的一个同样重要的部分是关于蒂瓦里和他的团队使用的语言处理系统的知识，通常称为循环神经网络，或者在这种特殊情况下称为长短期记忆网络。研究人员分析了网络学习分子运动语言时的基础数学。他们发现该网络使用的逻辑类似于统计物理学中称为路径熵的重要概念。了解这一点为未来改进循环神经网络提供了机会。

“人们很自然地会问，是否存在使人工智能工具取得成功的总体物理原理，”蒂瓦里说。 “事实上，我们发现这是因为AI是学习路径熵。它提供了更多的功能，我们可以调优到更好的生物AI实现，甚至可以改进AI本身。简单地理解AI这样的复杂系统就不再那么简单了。”感觉就像一个黑匣子，并提供了更有效、更可靠地使用它的新方法。”

关于本次蛋白质结构预测：解码生命奥秘和的问题分享到这里就结束了，如果解决了您的问题，我们非常高兴。