單序列預(yù)測(cè)被看好為諾獎(jiǎng)「預(yù)備役」，多構(gòu)象、RNA 結(jié)構(gòu)重要程度上升。

原標(biāo)題：AI 科學(xué)家獲諾獎(jiǎng)后：從 CASP 看蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)的機(jī)遇與挑戰(zhàn)丨GAIR Live
文章來(lái)源：AI科技評(píng)論
內(nèi)容字?jǐn)?shù)：30104字

蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)：諾獎(jiǎng)后的新篇章

本文總結(jié)了雷峰網(wǎng)、AI 科技評(píng)論GAIR Live 品牌與CASP評(píng)估的優(yōu)秀華人團(tuán)隊(duì)聯(lián)合舉辦的線上圓桌沙龍，主題為“諾獎(jiǎng)之后的新篇章：蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)的機(jī)遇與挑戰(zhàn)”。沙龍邀請(qǐng)了多位在蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)領(lǐng)域有突出貢獻(xiàn)的專家，共同探討了CASP16的進(jìn)展、未來(lái)發(fā)展趨勢(shì)以及該領(lǐng)域面臨的挑戰(zhàn)。

1. CASP16的進(jìn)步與突破

CASP（Critical Assessment of Protein Structure Prediction）作為全球蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)競(jìng)賽，被譽(yù)為諾獎(jiǎng)的“孵化器”。CASP16的顯著特點(diǎn)包括：參賽團(tuán)隊(duì)數(shù)量增加，中國(guó)及亞洲團(tuán)隊(duì)表現(xiàn)突出；會(huì)議全程專注，體現(xiàn)了科研人員的長(zhǎng)期主義精神；競(jìng)賽更注重解決實(shí)際生物學(xué)問(wèn)題，而非單純的排名；工業(yè)界參與度下降，學(xué)術(shù)界繼續(xù)堅(jiān)守。

2. 蛋白質(zhì)預(yù)測(cè)新問(wèn)題的挑戰(zhàn)和趨勢(shì)

蛋白質(zhì)單體結(jié)構(gòu)預(yù)測(cè)方面，AlphaFold3相比AlphaFold2有所改進(jìn)，但提升不顯著?？贵w-抗原復(fù)合物結(jié)構(gòu)預(yù)測(cè)取得進(jìn)展，但數(shù)據(jù)集較小，泛化能力有待驗(yàn)證。 未來(lái)發(fā)展趨勢(shì)包括：改進(jìn)模型排序和質(zhì)量評(píng)估方法；解決大復(fù)合物預(yù)測(cè)難題；攻克單序列結(jié)構(gòu)預(yù)測(cè)的經(jīng)典問(wèn)題（這被認(rèn)為可能帶來(lái)第二個(gè)諾獎(jiǎng)）；以及在核酸結(jié)構(gòu)預(yù)測(cè)中，人工智能超越傳統(tǒng)方法。

3. 蛋白質(zhì)復(fù)合物組裝以及多構(gòu)象預(yù)測(cè)

蛋白質(zhì)復(fù)合物組裝方面，挑戰(zhàn)在于模型質(zhì)量評(píng)估和化學(xué)計(jì)量預(yù)測(cè)。多構(gòu)象預(yù)測(cè)首次作為賽道出現(xiàn)，但數(shù)據(jù)不足，尚無(wú)法實(shí)現(xiàn)大的突破。未來(lái)發(fā)展方向可能是生成模型或擴(kuò)散模型。模型質(zhì)量評(píng)估方面，現(xiàn)有指標(biāo)體系需要改進(jìn)，單模型方法有待發(fā)展，以避免被方法壓制。

4. RNA結(jié)構(gòu)預(yù)測(cè)新進(jìn)展

RNA結(jié)構(gòu)預(yù)測(cè)賽道難度和數(shù)量明顯提升，AlphaFold3在該賽道上優(yōu)勢(shì)不明顯。蛋白質(zhì)-核酸復(fù)合物結(jié)構(gòu)預(yù)測(cè)仍面臨挑戰(zhàn)，主要原因是可用于訓(xùn)練的數(shù)據(jù)量有限。人工干預(yù)在RNA結(jié)構(gòu)預(yù)測(cè)中仍然至關(guān)重要，自動(dòng)預(yù)測(cè)是未來(lái)方向。

5. 小分子預(yù)測(cè)

AlphaFold3在小分子預(yù)測(cè)方面表現(xiàn)出優(yōu)勢(shì)，在某些靶點(diǎn)上超過(guò)傳統(tǒng)對(duì)接方法。未來(lái)可以將傳統(tǒng)對(duì)接方法和深度學(xué)習(xí)方法結(jié)合使用。 挑戰(zhàn)在于如何選擇眾多預(yù)測(cè)結(jié)果中的最優(yōu)解，以及提高人工智能方法的通用性。

6. 結(jié)構(gòu)預(yù)測(cè)的藍(lán)海方向和未來(lái)展望

未來(lái)可能獲得諾獎(jiǎng)的研究方向包括：解決蛋白質(zhì)折疊問(wèn)題的單序列結(jié)構(gòu)預(yù)測(cè)；達(dá)到AlphaFold2水平的RNA結(jié)構(gòu)預(yù)測(cè)；以及取得突破性進(jìn)展的蛋白質(zhì)-小分子復(fù)合體結(jié)構(gòu)預(yù)測(cè)。 這些方向都具有巨大的應(yīng)用潛力，將對(duì)生物醫(yī)藥、合成生物學(xué)等領(lǐng)域產(chǎn)生深遠(yuǎn)影響。

總而言之，蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)領(lǐng)域在AlphaFold之后進(jìn)入了一個(gè)新的發(fā)展階段，機(jī)遇與挑戰(zhàn)并存。單序列預(yù)測(cè)、多構(gòu)象預(yù)測(cè)、RNA結(jié)構(gòu)預(yù)測(cè)以及蛋白質(zhì)-小分子復(fù)合體預(yù)測(cè)等都是亟待突破的關(guān)鍵問(wèn)題，這些突破將對(duì)生命科學(xué)研究和相關(guān)產(chǎn)業(yè)產(chǎn)生重大影響。

聯(lián)系作者

文章來(lái)源：AI科技評(píng)論
作者微信：
作者簡(jiǎn)介：雷峰網(wǎng)旗下AI新媒體。聚焦AI前沿研究，關(guān)注AI工程落地。