能领免做卡的网站,长沙县营销型网站建设选哪家,seo点击排名源码,深圳网络营销培训来源#xff1a;Science编辑#xff1a;yaxin、su「我们对大部分RNA的结构几乎一无所知。」半个世纪以来#xff0c;确定生物分子的三维结构一直困惑着科学家#xff0c;也是生物学的重大挑战之一。难就难在#xff0c;RNA折叠成复杂三维结构的形状很难通过实验或计算来确… 来源Science编辑yaxin、su「我们对大部分RNA的结构几乎一无所知。」 半个世纪以来确定生物分子的三维结构一直困惑着科学家也是生物学的重大挑战之一。 难就难在RNA折叠成复杂三维结构的形状很难通过实验或计算来确定。 而现在美国斯坦福大学通过新型AI算法准确预测出RNA三维结构可谓意义重大 今天Science 封面刊登了这项研究的最新成果由斯坦福大学在读博士生 Stephan Eismann 和 Raphael Townshend以及计算机副教授 Ron Dror共同完成。 他们利用目前先进的神经网络技术成功开发出了一种全新 RNA 三维结构预测模型——ARES。 从原子入手机器学习算法预测RNA结构RNA 分子和蛋白质一样会折叠成三维 (3D) 结构来执行一系列功能如催化反应、基因表达、调节先天免疫和感知小分子。 RNA的三维结构十分重要有助于理解RNA发挥作用的机制、设计合成 RNA 和发现 RNA 靶向药物。 人类基因组转录成 RNA 的部分是蛋白质编码的 30 倍左右然而我们对RNA结构的认知还远远不够已知的RNA结构只是蛋白质结构的不到1%。 本文的创新之处在于引入了一种新的机器学习方法开发出一个人工智能模型ARESAtomic Rotationally Equivariant Scorer来预测RNA结构准确率极高 而且研究人员仅用了 18 个已知的 RNA 结构进行训练。 更厉害的是ARES无需对RNA的显著特征进行假设也就是说它没有关于双螺旋、碱基对、核苷酸或氢键的先入为主的概念。 这就使ARES可以适用于任何类型的分子系统 ARES包括一组已知 RNA 结构的基序和这些结构的替代错误变体。 通过调整参数ARES可以了解每个原子的功能和几何排列和不同原子间的相对位置。这也是与其他模型不同的一点。 然后神经网络各层可以计算不同粗细尺度的特征来识别碱基对、RNA螺旋的最佳几何形状、三维空间结构。 具体来看ARES网络的初始层旨在识别结构基序生物大分子中的保守序列也就是说基序的特点是在训练过程中学习的而不是预先设定的。 然后根据前一层的特征和周围原子的几何排列计算出每一个原子的特征。 第一层的唯一输入是每个原子的 3D 坐标和化学元素种类。 这些初始网络层的架构认识到给定的结构基序彼此间通常有不同的定位而且较粗尺度的基序如螺旋通常包括更细尺度的基序如碱基对的特定排列。 另外每一层都是旋转和平移等变的也就是说输入的旋转或平移在输出时有相应的变换。 以上特点可确保将已识别基序的方向和位置传递到ARES网络的下一层下一层则使用此信息来识别较粗尺度的基序。 ARES 还可以预测全局属性同时详细捕获局部结构基序和原子间相互作用。因为它的初始层在本地收集信息而其余层则汇总所有原子的信息。 测试得出ARES可以准确识别结构模型。 对RNA结构做出准确预测。 作者介绍文章一作是Raphaël Townshend1993年生于加拿大蒙特利尔是斯坦福大学计算机科学博士目前创办了一家设计新分子和药物的人工智能公司并担任CEO。 个人主页https://raphael.tc.com/ 2010-2014年他曾在加州大学伯克利分校获得电子工程与计算机科学学士学位。 Townshend对机器学习、结构生物学、高性能计算、计算机视觉这些领域的研究感兴趣。 他曾做过表情识别的一个CV项目。 将呈现在受试者脸部的灰度图像中的6种表情分类 (喜悦、悲伤、厌恶、愤怒、惊讶、恐惧) 他利用 Gabor 滤波器对输入图像进行一对多线性支持向量机训练。 并使用了现有的标准数据集比如Cohn-Kanade 和 JAFFE以及自己收集的47个主题的数据集。 参考资料http://science.sciencemag.org/content/373/6558/1047http://science.sciencemag.org/content/373/6558/964https://news.stanford.edu/2021/08/26/ai-algorithm-solves-structural-biology-challenges/https://twitter.com/raphaeljlt/with_replies未来智能实验室的主要工作包括建立AI智能系统智商评测体系开展世界人工智能智商评测开展互联网城市大脑研究计划构建互联网城市大脑技术和企业图谱为提升企业行业与城市的智能水平服务。每日推荐范围未来科技发展趋势的学习型文章。目前线上平台已收藏上千篇精华前沿科技文章和报告。 如果您对实验室的研究感兴趣欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”
