DeepMind创始人在拉斯克奖中获奖，AlphaFold成为科学领域的AI典范

今天golang学习网给大家带来了《DeepMind创始人在拉斯克奖中获奖，AlphaFold成为科学领域的AI典范》，其中涉及到的知识点包括等等，无论你是小白还是老手，都适合看一看哦~有好的建议也欢迎大家在评论留言，若是看完有所收获，也希望大家能多多点赞支持呀！一起加油学习~

9月21日，生理学和医学领域的顶级大奖拉斯克（The Lasker Awards）奖揭晓了！

拉斯克奖设立了四个不同的奖项，分别是基础医学研究奖、临床医学研究奖、公共服务奖和医学科学特别成就奖

今年的拉斯克奖的基础医学研究奖授予了来自Google DeepMind的Demis Hassabis和John Jumper，他们发明的AlphaFold在蛋白质三维结构预测方面做出了革命性的贡献。

拉斯克奖被誉为诺贝尔奖的"风向标"，自1945年设立以来，有86位获得拉斯克奖的人也同时获得了诺贝尔奖

屠呦呦是中国首位获得诺贝尔生理学或医学奖的人，她在获得诺奖的四年前也获得了拉斯克奖

AlphaFold带来的蛋白质生物学革命

AlphaFold是一个基于人工智能系统的解决方案，成功地解决了生理物理学领域长达六十年的重大挑战：仅仅通过主要的氨基酸序列（1D）就能够准确地预测蛋白质的结构（3D）

Jumper和Hassabis领导的AlphaFold团队整合了不同的背景和学科。2021年7月，AlphaFold对公众开放后，许多研究人员已经开始使用这个平台来解答各种生物学问题

自此以后，生物学研究的面貌彻底改变了

AlphaFold预测的蛋白质结构图

蛋白质的重要性不言而喻，它是细胞中的主要功能分子，几乎涉及到每个生物学过程

在过去，即使是确定单一蛋白质的结构也是非常困难的

几十年来，科学家们一直严重依赖X射线晶体学来进行蛋白质鉴定研究，但研究人员可能要花费数年时间才能将蛋白质晶体化。 数十年来，科学家们一直严重依赖X射线晶体学进行蛋白质鉴定研究，但研究人员可能需要花费数年时间才能使蛋白质结晶

后来，低温电子显微镜（cryo-EM）的发明让人们对蛋白质难以捉摸的结构有了一些了解，但显微镜图像的分辨率往往很低。

低温电子显微镜经过多年的缓慢发展，到2019年，科学家利用低温电子显微镜确定了蛋白质数据库（PDB）中15万个条目中近4000个蛋白质的结构。

而这只是预计的数千万个蛋白质序列中的一小部分。

自动化蛋白质结构预测

面对如此庞大的蛋白质结构数量，仅依靠人力已经难以持续下去

为了提高预测范围和效率，研究人员开始转向人工智能技术

1994年，马里兰大学的计算生物学家John Moult和Krzysztof Fidelis创建了结构预测关键评估（CASP）项目。这是一个每两年举行一次的测试，旨在让参赛团队预测已经通过实验证实但尚未公开发布的蛋白质的三维结构

最早用计算机预测蛋白质结构的方法之一是由华盛顿大学的生物化学家和计算生物学家David Baker开发的。

他使用PDB中的短片段来预测蛋白质结构，Baker和他的团队利用名为Rosetta的模型进行了多次迭代，不断提高程序在2000年代初CASP竞赛中的表现。

但之后，CASP的进展却停滞不前。

DeepMind是由Hassabis于2010年创立的一家人工智能公司，他们成功设计出了AlphaGo，这是一种人工智能，能够在国际象棋和更具挑战性的围棋中战胜人类棋手

当Hassabis观看AlphaGo的比赛时，他回想起了Baker在2008年发布的在线游戏《FoldIt》，玩家可以在游戏中探索和创建准确的蛋白质结构模型

2016年，AlphaGo取得成功后不久，DeepMind便瞄准了下一个挑战：蛋白质折叠。

DeepMind团队创建了一个蛋白质预测系统，将机器学习作为该系统的核心组成部分。

2018年，AlphaFold1首次参加CASP竞赛，并成功获得了当年的冠军

AlphaFold1在43个建模领域中的24个都创建了高精度结构，给人们留下了深刻的印象，而第二名仅仅创建了14个

然而，AlphaFold1的潜力还远未被充分开发利用

于是不久之后，Jumper率领着一个由生物学家、化学家和生物物理学家组成的跨学科团队重新设计了AlphaFold算法。

Hassabis、Jumper和AlphaFold团队集思广益，对算法进行了微调，以确保AlphaFold2能高效地学习。

在2020年举行的下一届CASP竞赛中，AlphaFold2以惊人的精确度震惊了与会者：

AlphaFold2在所有目标的总分中位数达到92.4 GDT。

这种精确度可与实验技术相媲美，平均误差仅相当于一个原子的宽度。

在2021年，DeepMind与欧洲分子生物学实验室的欧洲生物信息学研究所合作，发布了AlphaFold的源代码以及一个令人印象深刻的35万个蛋白质数据库

目前，该数据库中的蛋白质结构数量已经超过2亿个

Hassabis、Jumper和他们的团队解决了一个困扰科学家半个世纪的难题。

AlphaFold是一种人工智能工具，它开启了研究蛋白质、了解生物功能和指导药物开发的新时代

人工智能技术的进步从根本上改变了科学家解决问题的方式

拉斯克奖的其他获奖者

今年的拉斯克奖设立了三个奖项，分别是基础医学研究奖、临床医学研究奖和医学科学特别成就奖

临床医学研究奖

授予来自麻省理工学院James G. Fujimoto和Eric A. Swanson，以俄勒冈健康与科学大学Casey眼科研究所及David Huang。

他们发明的光学相干层析成像（optical coherence tomography, OCT）技术能够快速检测并治疗损害视力的视网膜疾病，彻底改变了眼科学。

在马老板的Neuralink推出的脑机接口植入机器人R1中，甚至采用了OCT技术

OCT机器的起源可以追溯到詹姆斯·藤本博士的实验室。受到高速摄影和激光技术的进步启发，他开始研发一种潜在的方法，以帮助医生更好地了解人体内部的情况

20世纪80年代末，藤本实验室一位名叫David Huang的博士研究生开始研究这个问题。他成功地在一头牛的眼组织中进行了一些测量，但这个过程的效率还不足以满足医生的需求。

所以，这两位科学家向埃里克·斯旺森求助，他当时正在研发激光通信和光纤网络技术，以探索这些技术是否可以应用于他们的成像想法中

1991年，三人发表了第一篇论文，描述了他们发明的这项技术。

自第一篇论文发表以来，光学相干断层扫描（OCT）已经成长为一个价值近20亿美元的市场。如今，医生们经常使用这项技术来诊断青光眼、与糖尿病相关的视力障碍，甚至冠状动脉疾病等疾病

藤本说:「对公众健康的影响可能非常大。」「例如，如果能让病人保持视力，病人可以继续开车，这是生活方式的重大改变，也会对生活质量产生影响。」

医学科学特别成就奖

授予荷兰阿姆斯特丹癌症研究所的皮埃特·博斯特，以表彰他在过去50年中在多个领域取得的卓越科学发现、教育和领导成就

在20世纪60年代，他和他的合作者发现了一些基因，这些基因对于理解寄生虫如何在昏睡病等疾病中逃避免疫系统至关重要。

在80年代，Borst开始研究人们对某些化疗产生耐药性的遗传原因，这些化疗抑制了向患者输送癌症药物的能力。他在这一领域的发现帮助研究人员弄清楚如何更有效地确保化疗对某些癌症有效

这些研究的结果使人们对弹性假黄花瘤（PXE）这种遗传疾病的生物化学原理有了更好的理解，这项工作有望为该疾病的潜在治疗方法的开发提供帮助

除了他的科学工作外，拉斯克奖还表彰了Borst在分子病理学研究所、瑞士实验癌症研究所和荷兰癌症研究所中数十年的领导工作。

本篇关于《DeepMind创始人在拉斯克奖中获奖，AlphaFold成为科学领域的AI典范》的介绍就到此结束啦，但是学无止境，想要了解学习更多关于科技周边的相关知识，请关注golang学习网公众号！