资深药企人DerekLowe抨击AlphaFold：靠结构预测做药纯属自嗨
DeepMind近日公布了AlphaFold的最新进展：已预测出超过100万个物种的2.14亿个蛋白质结构，几乎涵盖了地球上所有已知蛋白质，再次刷新了我们对它的期待。AlphaFold 2横空出世时的热烈场景重现，再次在国内外的社交媒体上引发热议。但作为“圈内人”的生命科学领域研究者们，对AlphaFold此次公布的成果却褒贬不一。在此前潘毅、周耀旗、许东等几位生物信息学领域的学者曾表示：AlphaFold蛋白质结构数据库此次更新的海量数据中存在着部分结果结构不稳定、不能应用于研究中等问题。加拿大蒙特利尔大学MILA实验室唐建教授也向医健AI掘金志表示，AlphaFold预测出的蛋白质对药物研发的影响有限。近期，美国一位制药行业的资深专家Derek Lowe博士发文，对外界尤其是媒体热捧的AlphaFold进行了一番吐槽。Derek Lowe博士毕业于杜克大学，在大型制药公司工作了三十余年，从事治疗精神分裂症、阿尔茨海默氏症、糖......阅读全文
Nature发布AlphaFold预测几乎所有已知蛋白质的形状
DeepMind的AlphaFold工具已经确定了地球上几乎所有已知生物体中约2亿种蛋白质的结构。从今天开始，确定科学上已知的几乎所有蛋白质的3D形状将变得和在谷歌搜索中输入一样简单。研究人员使用革命性的人工智能(AI)网络：AlphaFold来预测来自100万种物种的约2亿种蛋白质的结构，几乎覆盖
AI再添一成就 AlphaFold蛋白结构预测击败人类
讲到人工智能（AI），可能在大多数人脑海里首先想到的是谷歌的AlphaGo。2017年围棋人机大战仿佛就在昨天，世界排名第一的天才围棋少年柯洁败北绝望痛哭“我赢不了”。人工智能让人类真真切切的感受到了自己的强大。 而在生命科学领域，AlphaGo的“孪生兄弟”AlphaFold也让世界为之颤抖
资深药企人DerekLowe抨击AlphaFold：靠结构预测做药纯属自嗨
DeepMind近日公布了AlphaFold的最新进展：已预测出超过100万个物种的2.14亿个蛋白质结构，几乎涵盖了地球上所有已知蛋白质，再次刷新了我们对它的期待。AlphaFold 2横空出世时的热烈场景重现，再次在国内外的社交媒体上引发热议。但作为“圈内人”的生命科学领域研究者们，对Alpha
打开盲盒：AlphaFold2预测了人类全蛋白质组 将免费开放
翘首以盼8个月的 AlphaFold2 的论文与源码发布后一周，今天 DeepMind 再度公布关于 AlphaFold2 的重磅信息：用 AlphaFold2 完全预测了人、大肠杆菌、果蝇、斑马鱼等21种生物的全蛋白质组内35万个蛋白质结构！这项工作发表在了本周出版的Nature上。 Hol
蛋白质序列分析和结构预测
【实验目的】1、掌握蛋白质序列检索的操作方法；2、熟悉蛋白质基本性质分析；3、熟悉基于序列同源性分析的蛋白质功能预测，了解基于motif、 结构位点、结构功能域数据库的蛋白质功能预测；4、了解蛋白质结构预测。【实验内容】1、使用Entrez或SRS信息查询系统检索人脂联素 (adiponectin)
蛋白质结构预测(protein structure prediction)
一种生物体的基因组规定了所有构成该生物体的蛋白质，基因规定了组成蛋白质的氨基酸序列。虽然蛋白质由氨基酸的线性序列组成，但是，它们只有折叠成特定的空间构象才能具有相应的活性和相应的生物学功能。了解蛋白质的空间结构不仅有利于认识蛋白质的功能，也有利于认识蛋白质是如何执行其功能的。确定蛋白质的结构对于生物
蛋白质序列分析和结构预测
【实验目的】 1、掌握蛋白质序列检索的操作方法； 2、熟悉蛋白质基本性质分析； 3、熟悉基于序列同源性分析的蛋白质功能预测，了解基于motif、结构位点、结构功能域数据库的蛋白质功能预测； 4、了解蛋白质结构预测。【实验内容】 1、使用Entrez或SRS信息查询系统检索人脂联素（ad
谷歌DeepMind:已发现科学界几乎所有已知的蛋白质结构
“从今天起，预测几乎所有已知蛋白质的结构，都如同使用搜索引擎一样简单。”7月28日，DeepMind公司与欧洲生物信息研究所（EMBL-EBI）的合作团队公布了生物学领域的一项重大飞跃。他们利用人工智能（AI）系统AlphaFold预测出超过100万个物种的2.14亿个蛋白质结构，几乎涵盖了地球上所
蛋白质二级结构预测－综合各种分析方法预测
综合各种分析方法预测在实际进行蛋白质二级结构预测时，往往会综合应用各种分析方法和相关数据。综合方法不仅包括各种预测方法的综合，而且也包括结构实验结果、序列对比结果、蛋白质结构分类预测结果等信息的综合。实际应用中最常见的综合方法是同时使用多个软件进行预测，通过分析各个软件的特点以及各个软件预测结果，最
Chou-Fasman预测方法预测蛋白质二级结构
Chou-Fasman方法是一种基于单个氨基酸残基统计的经验参数方法，由Chou和Fasman在20世纪70年代提出来。通过统计分析，获得的每个残基出现于特定二级结构构象的倾向性因子，进而利用这些倾向性因子预测蛋白质的二级结构。每种氨基酸残基出现在各种二级结构中倾向或者频率是不同的，例如Glu主要出