科学家基本都在吹，没啥真才实学。 衣凡卡 发表于 2021-07-25 10:56
施一公：AlphaFold蛋白结构预测是本世纪最重要的科学突破之一 https://www.sohu.com/a/479316949_354973 “依我之见，这是人工智能对科学领域最大的一次贡献，也是人类在 21 世纪取得的最重要的科学突破之一，” 谈及 AlphaFold 的最新成果，生物物理学家、西湖大学校长施一公告诉 DeepTech。 图 | 施一公（资料图） 7 月 23 日，DeepTech 独家专访了施一公，以下为对话实录： 问：继上周在 Nature 发表论文之后，7 月 22 日，DeepMind 团队在 Nature 发表论文，描述了 AlphaFold 对人类蛋白质组的准确结构预测，其得到的数据集涵盖了人类蛋白质组近 60% 氨基酸的结构位置预测，且预测结果具有可信度。这会带来哪些影响和好处？ 施一公：人类蛋白质组里能够被预测的以单个蛋白为单位的空间三维结构，已经基本都被 AlphaFold 预测了。总体而言，预测结果可信、也比较准确。这是人类在认识自然界的科学探索征程中一个非常了不起的历史性成就。 第一个影响，当然是对结构生物学领域，这是该领域的一个颠覆性突破。此前人类尚未被解析的一些结构，现在基本上都已经被 AlphaFold 预测，由于置信度比较高，因此可以说 AlphaFold 预测出来的结果很可能就是事实，从已有数据来看它的预测相当的精准。甚至可以说，人类蛋白质组的结构数据突然陡增两至三倍！ 第二个影响，是对生物化学、细胞生物学、遗传发育、神经生物学、微生物学、病理药理等一大批生命学科和研究领域的影响，这会大大改进我们对于生命过程的理解。比如，遗传学家也许积累了大量数据，但如果不知道蛋白质结构，就没法研究某个突变对于蛋白功能的影响。现在不同了，通过 AlphaFold 的结构预测就能查看人类遗传病中的每一个突变在相关蛋白结构里的具体位置，找到突变位置后就有可能推测出蛋白功能如何受到影响。也就是说，AlphaFold 的出现，会从根本上帮助一大批基础研究和应用研究的实验室、一大批科研型医生、一大批科研人员更好地理解生命的分子过程，理解疾病发生和发展的机理。 再比如，DeepMind 预测出来的蛋白结构，包括了众多 GPCR 和关键酶在内的一大批结构未知的药物靶点蛋白，而且预测的结构足够准确。这对于制药界来说实在太重要了，等于提供了可靠的药物设计和药物优化的一个重要基础。甚至可以夸张地讲，所有药物小分子结合的药物靶点蛋白的结构，几乎被 AlphaFold 一网打尽。 我认为 DeepMind 一定会乘胜追击，一是把更大更复杂的一些结构预测出来，二是把一些复合物的结构预测出来，三是如何根据预测出来的靶点蛋白结构设计药物分子。 第三个影响可能会超越生命科学的界限。AlphaFold 的预测结构如果广泛应用在生命学科各分支、创新制药，可能会给社会和老百姓带来很大好处，甚至会对人类文明产生一些影响。 问：DeepMind 创始人兼首席执行官德米斯・哈萨比斯（Demis Hassabis）说：“我们使用 AlphaFold 生成了人类蛋白质组最完整、最准确的图片。我们相信这是迄今为止人工智能对推进科学知识所做的最重要贡献，也是人工智能可以为社会带来的各种好处的一个很好的例证。” 如何看待这一说法？ 施一公：我认同这个说法，我认为这个判断没有言过其实，这的确是迄今为止人工智能对科学界做出的最重要的贡献。这也是 21 世纪截止目前人类在科学技术领域上的最大突破之一，也应该是人类有史以来在科学和技术领域最重要的突破之一。过去半个多世纪，人类一共解析了五万多个人源蛋白质的结构，人类蛋白质组里大约 17% 的氨基酸已有结构信息；而 AlphaFold 的预测结构将这一数字从 17% 大幅提高到 58%；因为无固定结构的氨基酸比例很大，58% 的结构预测已经接近极限了。这是一个典型的量变引起巨大的质变，而这一量变是在过去短短一年之内发生的，这是不可思议的革命。它带来的在生命科学各分支领域的革命，将在今后几年到十几年中逐渐显现出来。在我看来，这项突破堪比人类基因组完成测序，甚至更重要！ 问：在促进新药靶点和候选药物的开发上，AlphaFold 会起到怎样的作用？ 施一公：对于这个问题，我前面已经做了回答。如果生物学家发现了一个未知结构的药物靶点蛋白， AlphaFold 的结构预测可以帮助生物学家发现该蛋白可能的药物分子结合位点，也就是说可以看到蛋白里面哪些部位会成为药物分子进攻的地方。 问：AlphaFold 希望未来能给所有具有已知序列的蛋白提供预测结构。您认为是否有实现的可能性？以及假如实现了，又会带来怎样的效果？ 施一公：完全有可能，我认为它在人类蛋白质组已经基本做到了，现在 AlphaFold 已经完成了人类蛋白质组 98.5% 的蛋白质结构预测。而这里 “给所有具有已知序列的蛋白提供预测结构”，应该指的是其它物种，比如线虫、果蝇、小鼠、植物等等的蛋白质组提供精准的结构预测，将来一定会实现。这会给方方面面带来太多的意外惊喜和突破，也会大大促进基础生命科学研究，促进农业、畜牧业、甚至制造业的发展。 问：冷冻电镜是很贵的设备，您和团队在冷冻电镜方面颇有建树，现在有了 AlphaFold 的成果，在西湖大学未来研究蛋白质方面，有什么关于 AlphaFold 的使用计划吗？ 施一公：AlphaFold 的结构预测几乎对每一位生物学家或多或少都有帮助，尤其是结构生物学家和生物物理学家。我想，每一位用心的结构生物学家都应该知道怎么用好 AlphaFold 的结构预测。 问：据了解，AlphaGo 算法至今仍有人在研究和学习。获悉西湖大学也有工学院和深度学习实验室，未来计划让相关专家做一些关于 AlphaFold 的算法研究吗？ 施一公：西湖大学的工学院和生命科学院其实已经开始行动，布局 AI 进入生命科学各领域。我们也会研究如何进一步改进算法。 问：西湖大学整个学校、或者西湖大学结构生物学方面的一些新动向？ 施一公：西湖大学 31 岁的博士生导师吴建平和团队成员在两周前的 Nature 上发表了一篇很重要的论文，解析了精子中最重要的一个离子通道蛋白复合物的结构，发现了几个新蛋白组分，这一突破是对生殖医学领域研究的重要贡献，很可能会被写进生殖医学领域的教科书。特别值得一提的是，吴建平在该研究突破中创造性地运用了基因编辑技术。 问：在深度学习结合生物研究方面，谷歌一直走在世界前列，那么谷歌有哪些值得学习的地方？ 施一公：应该说，从 AlphaGo 到 AlphaZero 再到 AlphaFold，谷歌的科学技术突破不仅促进了科学的发展，也推动了人类的进步。这家高科技企业拥有十足的创新动力，拥有一批优秀的科学家在人类知识前沿积极探索，令人感佩。我们中国的高科技企业正在全力追赶，期待在不久的将来也能给世界带来惊喜！ 千渔千寻 发表于 2021-07-25 10:51
科学家基本都在吹，没啥真才实学。我们班最后几名啥都不会的都去了stanford tenured 衣凡卡 发表于 2021-07-25 10:56
吹不吹的，另说。这AI加冷冻电镜技术的发展，让生物解结构马上就可以产业化了，这Shi教授，能教授的，结构生物学家们，不都得失业了？ bogey 发表于 2021-07-25 11:02
牵涉到电子相互作用的，除非一切都是ab initio从头算，加上超级quantum computer的计算能力。 其他的什么AI，都是百密一疏，而且最重要的往往是哪“一疏"。 所以我说基本没用，别人也不会失业。 purpledee 发表于 2021-07-25 11:05
你说基本没用，你是哪根葱？ bogey 发表于 2021-07-25 11:21
回复 13楼purpledee的帖子 一听quantum computer，怎么就觉得是大忽悠呢？ 潘量子骗骗funding的东西，猴年马月。 千渔千寻 发表于 2021-07-25 11:34
工业界12年，业界top 1 公司。 每年向我们公司兜售课题的教授起码有几十个，公司花的都是自己赚的真金白银，最恨这种自吹自擂了。 purpledee 发表于 2021-07-25 11:24
就是嘛，我的意思是ab initio还有好久的路要走。 你说的成功，完全可以往相反的方向走，比如说建议的100种分子，由于模型的缺失，正好把最重要的分子遗漏了，反而起反效果。 当然，成功的故事就可以大吹特吹，science/nature 不成功的故事，没人愿意大肆宣传。 purpledee 发表于 2021-07-25 11:36
不是说ab initio已经90%解决了么？ 3906 发表于 2021-07-25 11:42
太没尊严了这种。最烦教授来兜售生意的。 知识分子至少要做到不食嗟来之食。 3906 发表于 2021-07-25 11:41
现在大部分教授都是一公这样想出名发财的。 purpledee 发表于 2021-07-25 11:43
现在能从最基本的原子和分子出发，根据他们的各种相互作用力，算出他们的空间结构？？我表示怀疑。现在科技这么发达了？ 颜宁讲的还是挺对的，人类没有通过电镜观察到的，这个软件也还是算不出来，一团模糊。 jack54321 发表于 2021-07-25 11:58
这个结果的确会加速新药研发，特别是对计算机导研新药研发。 木瓜瓜 发表于 2021-07-25 12:01
请问，电镜测出的蛋白质结构，能有利于新药开发吗？ 举个例子，哪个新药的开发，是通过蛋白质结构搞出来的。 microsat 发表于 2021-07-25 12:02
在人工智能领域，精度达到98%并不稀奇。 我的人工智能，结果精度几乎都是100%。 关键是，这个精度是测试集的，还是训练集的。 比如：这个蛋白质预测。 如果都是训练集的，达到98%不奇怪。 那么会是测试集的吗？ 测试集的定义，就是未知蛋白质结构的集合。或者假想结构未知的集合。 文中并未说，是不是假想结构未知的集合。 但是显然不是未知蛋白质结构的集合。因为如果蛋白质结构未知的话，你预测后得到了一个蛋白质结构，因为真实结构未知，你并不知道你的预测对还是不对。所以没有预测精度可言。 在人工智能领域，凡是预测精度超过79%的，都是吹牛的。 microsat 发表于 2021-07-25 11:57
AI在生物领域研究就是一个风头，过去之后就过去了，我认为不会有什么重大突破。AI 就是根据已知知识来推测。很多生物领域已知的知识都不完善，你用部分一知半解的知识去推算未知的东西？想一想就知道准确度不可能多么高。更何况生物很多东西不是一加一等于二这么简单的数学问题。 elee555 发表于 2021-07-25 12:38
回复 16楼3906的帖子 资本主义社会，教授都是资本家的筹佣，大教授为了弄funding见到业界管项目的manager也得满脸陪笑的。 千渔千寻 发表于 2021-07-25 11:51
电子相互作用，的仿真建模，基本就是儿童玩具。 microsat 发表于 2021-07-25 11:58
药物化学家用SBDD还是很多的，个个都会用模拟软件来看结构和做预测设计分子。 flipping 发表于 2021-07-25 16:00
KRAS是癌症领域最重要的靶点之一，几十年来都没法成药。最近上市了KRAS-G12C inhibitor, 发现过程中最大的突破来自于 UCSF Shokat lab. 他们通过解结构发现了以前没发现的binding pocket，为药物结合奠定了基础。 flipping 发表于 2021-07-25 16:30
UCSF先找出了新的可结合位点，后面药物化学家成功研发出来靶向这个位点的药物。 flipping 发表于 2021-07-25 16:42
“依我之见，这是人工智能对科学领域最大的一次贡献，也是人类在 21 世纪取得的最重要的科学突破之一，” 谈及 AlphaFold 的最新成果，生物物理学家、西湖大学校长施一公告诉 DeepTech。
7 月 23 日，DeepTech 独家专访了施一公，以下为对话实录：
问：继上周在 Nature 发表论文之后，7 月 22 日，DeepMind 团队在 Nature 发表论文，描述了 AlphaFold 对人类蛋白质组的准确结构预测，其得到的数据集涵盖了人类蛋白质组近 60% 氨基酸的结构位置预测，且预测结果具有可信度。这会带来哪些影响和好处？
施一公：人类蛋白质组里能够被预测的以单个蛋白为单位的空间三维结构，已经基本都被 AlphaFold 预测了。总体而言，预测结果可信、也比较准确。这是人类在认识自然界的科学探索征程中一个非常了不起的历史性成就。
第一个影响，当然是对结构生物学领域，这是该领域的一个颠覆性突破。此前人类尚未被解析的一些结构，现在基本上都已经被 AlphaFold 预测，由于置信度比较高，因此可以说 AlphaFold 预测出来的结果很可能就是事实，从已有数据来看它的预测相当的精准。甚至可以说，人类蛋白质组的结构数据突然陡增两至三倍！
第二个影响，是对生物化学、细胞生物学、遗传发育、神经生物学、微生物学、病理药理等一大批生命学科和研究领域的影响，这会大大改进我们对于生命过程的理解。比如，遗传学家也许积累了大量数据，但如果不知道蛋白质结构，就没法研究某个突变对于蛋白功能的影响。现在不同了，通过 AlphaFold 的结构预测就能查看人类遗传病中的每一个突变在相关蛋白结构里的具体位置，找到突变位置后就有可能推测出蛋白功能如何受到影响。也就是说，AlphaFold 的出现，会从根本上帮助一大批基础研究和应用研究的实验室、一大批科研型医生、一大批科研人员更好地理解生命的分子过程，理解疾病发生和发展的机理。
再比如，DeepMind 预测出来的蛋白结构，包括了众多 GPCR 和关键酶在内的一大批结构未知的药物靶点蛋白，而且预测的结构足够准确。这对于制药界来说实在太重要了，等于提供了可靠的药物设计和药物优化的一个重要基础。甚至可以夸张地讲，所有药物小分子结合的药物靶点蛋白的结构，几乎被 AlphaFold 一网打尽。
我认为 DeepMind 一定会乘胜追击，一是把更大更复杂的一些结构预测出来，二是把一些复合物的结构预测出来，三是如何根据预测出来的靶点蛋白结构设计药物分子。
第三个影响可能会超越生命科学的界限。AlphaFold 的预测结构如果广泛应用在生命学科各分支、创新制药，可能会给社会和老百姓带来很大好处，甚至会对人类文明产生一些影响。
问：DeepMind 创始人兼首席执行官德米斯・哈萨比斯（Demis Hassabis）说：“我们使用 AlphaFold 生成了人类蛋白质组最完整、最准确的图片。我们相信这是迄今为止人工智能对推进科学知识所做的最重要贡献，也是人工智能可以为社会带来的各种好处的一个很好的例证。” 如何看待这一说法？
施一公：我认同这个说法，我认为这个判断没有言过其实，这的确是迄今为止人工智能对科学界做出的最重要的贡献。这也是 21 世纪截止目前人类在科学技术领域上的最大突破之一，也应该是人类有史以来在科学和技术领域最重要的突破之一。过去半个多世纪，人类一共解析了五万多个人源蛋白质的结构，人类蛋白质组里大约 17% 的氨基酸已有结构信息；而 AlphaFold 的预测结构将这一数字从 17% 大幅提高到 58%；因为无固定结构的氨基酸比例很大，58% 的结构预测已经接近极限了。这是一个典型的量变引起巨大的质变，而这一量变是在过去短短一年之内发生的，这是不可思议的革命。它带来的在生命科学各分支领域的革命，将在今后几年到十几年中逐渐显现出来。在我看来，这项突破堪比人类基因组完成测序，甚至更重要！
问：在促进新药靶点和候选药物的开发上，AlphaFold 会起到怎样的作用？
施一公：对于这个问题，我前面已经做了回答。如果生物学家发现了一个未知结构的药物靶点蛋白， AlphaFold 的结构预测可以帮助生物学家发现该蛋白可能的药物分子结合位点，也就是说可以看到蛋白里面哪些部位会成为药物分子进攻的地方。
问：AlphaFold 希望未来能给所有具有已知序列的蛋白提供预测结构。您认为是否有实现的可能性？以及假如实现了，又会带来怎样的效果？
施一公：完全有可能，我认为它在人类蛋白质组已经基本做到了，现在 AlphaFold 已经完成了人类蛋白质组 98.5% 的蛋白质结构预测。而这里 “给所有具有已知序列的蛋白提供预测结构”，应该指的是其它物种，比如线虫、果蝇、小鼠、植物等等的蛋白质组提供精准的结构预测，将来一定会实现。这会给方方面面带来太多的意外惊喜和突破，也会大大促进基础生命科学研究，促进农业、畜牧业、甚至制造业的发展。
问：冷冻电镜是很贵的设备，您和团队在冷冻电镜方面颇有建树，现在有了 AlphaFold 的成果，在西湖大学未来研究蛋白质方面，有什么关于 AlphaFold 的使用计划吗？
施一公：AlphaFold 的结构预测几乎对每一位生物学家或多或少都有帮助，尤其是结构生物学家和生物物理学家。我想，每一位用心的结构生物学家都应该知道怎么用好 AlphaFold 的结构预测。
问：据了解，AlphaGo 算法至今仍有人在研究和学习。获悉西湖大学也有工学院和深度学习实验室，未来计划让相关专家做一些关于 AlphaFold 的算法研究吗？
施一公：西湖大学的工学院和生命科学院其实已经开始行动，布局 AI 进入生命科学各领域。我们也会研究如何进一步改进算法。
问：西湖大学整个学校、或者西湖大学结构生物学方面的一些新动向？
施一公：西湖大学 31 岁的博士生导师吴建平和团队成员在两周前的 Nature 上发表了一篇很重要的论文，解析了精子中最重要的一个离子通道蛋白复合物的结构，发现了几个新蛋白组分，这一突破是对生殖医学领域研究的重要贡献，很可能会被写进生殖医学领域的教科书。特别值得一提的是，吴建平在该研究突破中创造性地运用了基因编辑技术。
问：在深度学习结合生物研究方面，谷歌一直走在世界前列，那么谷歌有哪些值得学习的地方？
施一公：应该说，从 AlphaGo 到 AlphaZero 再到 AlphaFold，谷歌的科学技术突破不仅促进了科学的发展，也推动了人类的进步。这家高科技企业拥有十足的创新动力，拥有一批优秀的科学家在人类知识前沿积极探索，令人感佩。我们中国的高科技企业正在全力追赶，期待在不久的将来也能给世界带来惊喜！
吹得越高，越能来钱，钱来了，大家干几年活，把钱分了，他拿大头，至于是不是真的有用，who cares，反正是venture capital
多来几次，他就退休了，管他洪水滔天。
毕竟是美国呆过的，这种圈钱的游戏玩得溜！
有真材实学的，只是很多人路选错，在黑也只能含泪走下去。
这个照片里的人看起来獐头鼠目。
吹不吹的，另说。这AI加冷冻电镜技术的发展，让生物解结构马上就可以产业化了，这Shi教授，能教授的，结构生物学家们，不都得失业了？
牵涉到电子相互作用的，除非一切都是ab initio从头算，加上超级quantum computer的计算能力。
其他的什么AI，都是百密一疏，而且最重要的往往是哪“一疏"。
所以我说基本没用，别人也不会失业。
不错了。低配版的朱一龙。
Stanford 哪几位？
你说基本没用，你是哪根葱？
工业界12年，业界top 1 公司。
每年向我们公司兜售课题的教授起码有几十个，公司花的都是自己赚的真金白银，最恨这种自吹自擂了。
一听quantum computer，怎么就觉得是大忽悠呢？ 潘量子骗骗funding的东西，猴年马月。
就是嘛，我的意思是ab initio还有好久的路要走。
计算化学的理论已经很成熟了，只要可以ab initio从头算，那得到的结果是精确的，可惜计算机现在的能力远远没有到达那一步。
想要不ab initio,搞什么machine learning, AI, 其他的领域或许可以，在有电子作用的领域，会死的很惨。
你说的成功，完全可以往相反的方向走，比如说建议的100种分子，由于模型的缺失，正好把最重要的分子遗漏了，反而起反效果。
当然，成功的故事就可以大吹特吹，science/nature
不成功的故事，没人愿意大肆宣传。
太没尊严了这种。最烦教授来兜售生意的。
知识分子至少要做到不食嗟来之食。
不是说ab initio已经90%解决了么？
差的10%永远是最关键的。
现在大部分教授都是一公这样想出名发财的。
施一公是这种人？我感觉他还可以，没见他做伤天害理的事情。
比彦宁，李飞飞，钱鹿鹿之流怎么样
资本主义社会，教授都是资本家的筹佣，大教授为了弄funding见到业界管项目的manager也得满脸陪笑的。
在人工智能领域，精度达到98%并不稀奇。
我的人工智能，结果精度几乎都是100%。
关键是，这个精度是测试集的，还是训练集的。
比如：这个蛋白质预测。 如果都是训练集的，达到98%不奇怪。
那么会是测试集的吗？
测试集的定义，就是未知蛋白质结构的集合。或者假想结构未知的集合。
文中并未说，是不是假想结构未知的集合。 但是显然不是未知蛋白质结构的集合。因为如果蛋白质结构未知的话，你预测后得到了一个蛋白质结构，因为真实结构未知，你并不知道你的预测对还是不对。所以没有预测精度可言。
在人工智能领域，凡是预测精度超过79%的，都是吹牛的。
电子相互作用，的仿真建模，基本就是儿童玩具。
吹牛。
请问，电镜测出的蛋白质结构，能有利于新药开发吗？
举个例子，哪个新药的开发，是通过蛋白质结构搞出来的。
电镜蛋白节构不能的，只是看样子。要3d的aa结构和位置才会有帮助。 很多market的药物都有cadd的参与。特别protease drugs.
这家伙估计精力在他自己的公司，毕竟那才是真金白银，其它科学方面的，吹吹显示砖家地位。
搞定一个蛋白质结构很难的，需要花很多年的功夫不断尝试才能搞定一个蛋白质结构，所以搞定一个蛋白结构就能发science paper。施一公就是搞蛋白结构的，所以发了很多science，nature之类的文章。这个精确度对未知蛋白的结构预测稍微用大脑一想就知道肯定是不可能，因为不可能在这么短的时间内证明出来。所以这个精确度很大可能就是对于已知蛋白结构的分析模拟。
医学图片已经突破了。所以李飞飞在华人里贡献最大。
AI制药治疗我也觉得大多数学院派是忽悠，不过已经产生了不少富豪。
这也太有失知识分子的风骨了。高级知识分子应该宁可饿死，也不食嗟来之食。穷且益坚，不坠青云之志。
现在倒好，生活无忧无虑，还追求funding，钱，名头这些浮名虚利，哪有个做学问的样子。
现在这年头，真是教授都想发财，公司里的都想发paper。
好不好用 看未来十年有啥新东西会出来吧
上周看causal界巨牛转业搞in situ drug test的那位的讲座好像感觉还在搭平台 离有成果还是很有距离的 当然比一滴血那位是好了不知道几光年了
谨慎乐观
你这低配低得太多了吧… 按你这么说，怪不得能教授粉朱一龙了，高高高高配版syg啊
有道理！
除非ab initio给我好好算，别搞AI machine learning这些炒近道的。。。
很多图像领域都能做到人眼accuracy 90%，95%以上的。
理论早就到位了，可惜对于稍微复杂一点的系统，要从头算需要的计算机powder也许是现在的天文级别的倍数吧
molecular dynamics么？
错误评论已删
“The authors declare the following competing financial interest(s): K.M.S. is an inventor on UCSF patents related to K-Ras (G12C) inhibitors licensed to Wellspring Biosciences. K.M.S. is a stockholder and consultant to Wellspring Biosciences.”
肯定赚翻了
极为创新的结构当然无法预测。当时对很多蛋白来说，测结构就是体力活，大批量的高花费大量人力物力；因为有了前期数据积累，预测这些蛋白结构精度很高。
教授也可以在这个方向搞搞funding
遇到好时候了。