国产AI蛋白质结构预测再现突破，用单条序列解决3D结构，彭健团队：“AlphaFold2以来最后一块拼图补齐了”...

Posted 2022-08-03 QbitAl

万博 发自 凹非寺
量子位 | 公众号 QbitAI

计算生物领域，出现一则最新进展：

AI预测蛋白质3D结构，仅通过单条蛋白序列就能搞定。

也就是说，AI预测蛋白质结构，可以不需要蛋白质进化过程中的同源信息。一些人工设计的蛋白质药物和工业合成用酶，也可以通过AI预测3D结构，确定其对人体的功能。

达成这一成就的AI算法名为OmegaFold，在最近的全球持续蛋白质预测竞赛中，整体预测能力已经与DeepMind此前开发的AlphaFold2，和华盛顿大学开发的RoseTTAFold不相上下，甚至有些指标优于后两者。

研究成果来自国内AI创新药物公司华深智药，一家成立不到一年的中国初创企业，孵化自张亚勤旗下的清华大学智能产业研究院。

AI预测蛋白质结构不再需要同源信息

据华深智药披露，其最新开发的OmegaFold算法，实现了用单一蛋白质序列预测蛋白质3D结构的能力。

而且在测试准确度上，和AlphaFold2和RoseTTAFold不相上下。

同时在测试速度，快于AlphaFold2和RoseTTAFold。

具体测试过程，是这样的：

研究团队分别对CASP和CAMEO的蛋白质数据集进行了测试，其中CASP数据集有29个蛋白质，CAMEO数据集有146个单链蛋白质。

（PS：这里的CASP和CAMEO，是蛋白质结构预测领域最重要的两项比赛）

作为对比，在测试中，研究团队在上OmegaFold仅输入单一蛋白质序列，对 AlphaFold2和RoseTTAFold，则是在默认模式下输入多重序列（MSA）。

最终，CAMEO数据集测试，OmegaFold预测的蛋白质3D结构，平均局部距离差异测试（LDDT：全球结构预测领域主要评价指标）得分为0.82。

而AlphaFold2与RoseTTAFold的得分，分别是0.75和0.86。

CASP数据集的测试结果，OmegaFold的平均TM分值*（评估蛋白质结构拓扑学相似性的常用指标）为0.79，与AlphaFold2不相上下，不过略低于RoseTTAFold 0.81的分数。

研究团队表示，从结果来看，采用单序列进行预测的OmegaFold，已经整体达到或超越了采用多序列预测的AlphaFold2和RoseTTAFold。

而且，研究团队还发现，因为只采用单一序列预测蛋白质的3D结构，因此在AI算法的训练和预测速度上，也有很大提升，蛋白质结构预测时间，可以被压缩到数秒内。

Helixon团队还同时发现，仅通过氨基酸序列来预测三维结构，不仅减少了同源序列所带来的噪音，还能够提高训练和预测的计算速度，使得蛋白质结构可以在数秒内被预测完毕。

基于此，研究团队用OmegaFold，对两类缺乏蛋白质同源进化信息的蛋白质，抗体蛋白质和孤儿蛋白质进行结构预测。

结果发现，OmegaFold在这两类蛋白质，尤其是抗体的关键功能区结构预测，有突破性的进展。

而这类缺乏蛋白质同源进化信息的蛋白质，恰好是AlphaFold2和RoseTTAFold无法到达的盲区。

对此，华深智药创始人彭健认为，这项研究成果意味着：

蛋白质3D结构预测，并不需要同源序列的存在，也不需要知道任何进化信息。

而华深智药表示：

OmegaFold的出现补全了蛋白质三维结构预测的最后一块拼图。

另外，华深智药还披露了OmegaFold背后的技术细节。

具体来看，OmegaFold能够用单一序列取代多重同源序列，是因为研究团队采用了一种，基于几何信息的深度学习模型——OmegaPLM。

该学习模型可以根据蛋白质的序列信息，预测原子坐标，同时经过训练学习，预测原子在三维空间的距离。

在不断的迭代之后，可以让这些预测出来的原子坐标和距离，满足基本的几何定律，最终形成蛋白质结构。

OmegaFold的能力，和背后的技术原理整明白了，最后还剩下一个问题：

华深智药是谁？

公开信息显示，华深智药是一家AI创新药物研发商，成立于2021年6月，总部位于北京，最早是由张亚勤旗下的清华大学智能产业研究院孵化而来。

早在去年12月份，华深智药开发的HeliXonAI算法，就在全球持续蛋白质结构预测竞赛CAMEO上，实现对AlphaFold2的反超，以84.0的lDDT预测精确度得分，刷新了CAMEO竞赛得分记录。

一家成立半年左右的初创企业，出道即巅峰。

而巅峰背后的关键先生，就是华深智药创始人彭健。

彭健，伊利诺伊大学厄巴纳-香槟分校（UIUC）计算机科学系及医学院终身教授，计算生物领域的知名大牛，机器学习与蛋白质结构和功能预测的顶级科学家。

他在博士期间设计的著名算法 RaptorX，以及在UIUC任教期间设计的DeepContact算法，多次在CASP比赛中获得领先的成绩，并很早就尝试将深度学习的技术引入这个领域。

彭健也因此在2016年获得有“诺奖风向标”之称的斯隆研究奖，并于2020年获得计算生物领域最高奖奥弗顿奖（Overton Prize），成为该奖项20年来首位华人得主。

去年6月，彭健看到AI在生物制药领域的应用前景，于是就在清华大学智能产业研究院孵化之下，正式创办华深智药。很快便完成了千万美元级天使轮融资。

同时在今年6月，成立一周年之际，华深智药又完成由五源资本领投，高榕资本、Neumann Capital以及三家天使轮投资方襄禾资本、高瓴创投、清智资本跟投的A轮融资，融资金额近5亿元人民币。

参考链接：

[1]https://helixon.s3.amazonaws.com/omegafold.pdf
[2]https://twitter.com/peng_illinois/status/1538536909814874113