近期，DeepMind 在蛋白质结构预测领域公布的进展，无论是 AlphaFold 2 代码开源，还是预测人类蛋白质组并开源数据库，以及 AlphaFold 2 在蛋白质结构预测方面所展示的强大性能，在业界和公众之间都引发了广泛的讨论。

在「重大突破」「深远影响」等诸多形容词之后，作为从业者，有必要深入了解 AlphaFold 2 及相关结果究竟给我们带来了什么，DeepMind 团队有哪些地方值得借鉴，今后的计算生物学、结构生物学等相关研究路会怎么走。

由此，为了满足广大读者需求，机器之心知识站特别策划了《AlphaFold 2「能」与「不能」》知识分享活动，邀请了相关领域的五位专家（按姓氏笔画排序）：
  • 卜东波，中科院计算所研究员；
  • 许锦波，芝加哥丰田计算技术研究所教授；
  • 杨建益，山东大学数学与交叉科学研究中心教授；
  • 龚海鹏，清华大学生命科学院副教授；
  • 龚新奇，中国人民大学数学科学院教授。

分享会中主要讨论了以下几个问题：

  1.  AlphaFold 2 的本质创新点是什么？
  2. AlphaFold 2 解决了 contact 、 distance 预测的问题吗？
  3. AlphaFold 2的成功会导致分子动力学角度研究蛋白质结构无事可做吗？
  4. 蛋白折叠是折叠到能量最低的结构吗？以前挺多生物物理的研究是计算出能量最低的结构，请问这个研究方向还有价值吗？
  5. AlphaFold 2 在蛋白互作领域有怎样的启发？特别是对于做蛋白互作  MAP 的研究人员，可以从哪些方面去应用 AlphaFold 2？
  6. 当前蛋白预测的水平如何？蛋白结构预测方面还有哪些要改进？
  7. 华盛顿大学David Baker采用多个团队联合研究与企业相抗衡的方式，会成为今后学术界做蛋白质结构预测的主流吗？
  8. AlphaFold 2 安装时应注意的问题。

点击文章底部阅读原文了解具体讨论内容。

 

内容中包含的图片若涉及版权问题，请及时与我们联系删除