DeepMind開源的AlphaFold怎么用？打開Colab就能在線用
前段時間，《自然》雜志刊登了 DeepMind 的兩篇論文，介紹了該公司在蛋白質(zhì)結(jié)構(gòu)預測方向的最新進展。研究表明，DeepMind 的 AlphaFold 所預測的蛋白質(zhì)結(jié)構(gòu)已經(jīng)能達到原子水平的準確率。與此同時，他們還在 GitHub 上公開了 AlphaFold 的源代碼。
開源鏈接：https://github.com/deepmind/alphafold
然而，有些研究者抱怨說數(shù)據(jù)文件太大了（2.2TB）。于是，在幾個小時之內(nèi)，一些敬業(yè)的研究者就創(chuàng)造出了一個 Google Colab notebook。借助這一工具，任何一個擁有免費谷歌賬號的人都可以在自己感興趣的蛋白質(zhì)上運行略微簡化的 AlphaFold 2，甚至不需要下載數(shù)據(jù)，也不需要任何特殊硬件。所有的計算都是在云上進行的，而且是在一個免費的 colab 空間內(nèi)進行的，這讓用戶能夠?qū)\行進行微調(diào)。這是加速技術大眾化最好的方法之一。
Colab 地址：https://colab.research.google.com/github/deepmind/alphafold/blob/main/notebooks/AlphaFold.ipynb
開放的 AlphaFold 將分子生物學研究帶入新時代
2020 年 12 月，AlphaFold2 在國際蛋白質(zhì)結(jié)構(gòu)預測競賽 CASP14 擊敗一眾選手，實現(xiàn)了前所未有的結(jié)構(gòu)預測精度，這破解了出現(xiàn) 50 年之久的蛋白質(zhì)分子折疊問題，被稱作結(jié)構(gòu)生物學「革命性」的突破、蛋白質(zhì)研究領域的里程碑。
但成功之后，批評和質(zhì)疑也隨之而來，這些聲音包括：「學術界無法與這樣的巨頭競爭」「他們做的很好，但我們不能用」「他們肯定不會把它開放給別人使用」。
但 DeepMind 最近的舉動回應了這些擔憂，他們不僅開源了 AlphaFold 的代碼，還提供了一個 Colab pipeline。有個這個東西，你甚至可以通過手機使用簡化版 AlphaFold 2。
如下面兩位研究者所說，Colab notebooks 可以完成從加載庫、輸入蛋白質(zhì)序列到構(gòu)建蛋白質(zhì)序列對齊等一系列任務。在結(jié)果展示界面，你可以在瀏覽器中看到 5 個 3D 模型，以及根據(jù)序列估算的 LDDT 分數(shù)。此外，原則上你還可以 fork 這些 notebook 并自行編輯，使其適用于更具體的任務。
不過，Colab 版本的 AlphaFold 2 經(jīng)過了一些簡化，沒有模板（同源結(jié)構(gòu)），而且只用了 BFD 序列數(shù)據(jù)庫的一部分。開發(fā)者表示，他們已經(jīng)在數(shù)千個最近的 PDB 結(jié)構(gòu)上驗證了簡化版和完整版的差異，雖然在許多目標上，Colab 版本的準確度與完整的 AlphaFold 系統(tǒng)幾乎相同，但由于 MSA（多序列比對）較小和模板的缺失，一小部分目標的準確度出現(xiàn)了顯著下降。如果你想得到更加可靠的結(jié)果，建議使用完整的開源 AlphaFold 或 AlphaFold 蛋白質(zhì)結(jié)構(gòu)數(shù)據(jù)庫。
數(shù)據(jù)庫鏈接：https://alphafold.ebi.ac.uk/
在洛桑聯(lián)邦理工學院研究結(jié)構(gòu)生物學、分子建模等方向的博士后 Luciano Abriata 表示，他已經(jīng)用這些 notebook 做了一些測試，而且已經(jīng)得出了一些結(jié)論。最重要的是序列對齊等功能對于獲得更好的模型大有幫助。Abriata 還發(fā)現(xiàn)，很多人在使用這個工具時都忽略了 LDDT 估計圖，但其實這些圖非常關鍵。
AlphaFold 的開放使用給全世界的研究者都帶來了便利。對于那些難以用實驗測定結(jié)構(gòu)的蛋白質(zhì)來說，通過這種方式建立蛋白質(zhì)模型至關重要。即使你有一些無法適當使用的數(shù)據(jù)，擁有一個優(yōu)秀的蛋白質(zhì)模型也是有幫助的。
隨著 DeepMind 所涉足的生物學領域愈加廣泛（目前還沒有計劃公布，但可以猜測他們可能進軍蛋白質(zhì)間的相互作用以及下一步的小分子設計），更多的學者將從 AF2 的應用和所有公開的知識中獲利。
長期以來，生物學領域的研究一直依賴計算機和傳統(tǒng)軟件。而如今，生物學已經(jīng)進入了 AI 時代。
