inside class – Telegram
inside class
1.25K subscribers
4.08K photos
179 videos
121 files
3.35K links
大号云同步剪贴本,有趣的文章和书籍都会摘抄。提醒自己给词条打上tag
Download Telegram
昨天把 Intel Optane 设置上以后忘记立马测试了
今天又找室友把键盘借来手动触发了一回蓝屏,发现这次没有内存转储文件保存下来
我觉得这个多半就是问题原因了,现在就只剩下解除 Intel Optane 然后再实验一次(
Forwarded from Web to Album
今天DeepMind搞了个大新闻,说一个叫做AlphaFold的人工智能有望解决生物学50年来的一个大问题。

这个问题叫做蛋白折叠问题。我们知道,DNA里的遗传信息,经过RNA的传递,会最终合成一个个蛋白质。蛋白质本质上是一长串氨基酸,会折叠成特殊的三维结构。而正是这些三维结构,让这些蛋白质具有了生理学的功能。

但我们不知道这些三维结构是怎么折叠出来的。理论上讲,这个结构仅由氨基酸序列所决定,但对于一个标准的蛋白质,其可能的三维构象大概有10的300次方这么多。

这大概是什么概念呢?如果一秒钟可以算出1000种不同的结构,一年算出的三维结构大概是在10的10次方这个数量级。从宇宙诞生的第一秒开始算起,这都不够算清楚其中的一小部分。

但在细胞里,这串氨基酸只需要几毫秒,就知道自己应该折叠成什么样子。

从1994年起,科学家们创立了一个蛋白结构预测大赛,想要看看计算机是不是可以成功预测蛋白质的三维结构。比赛很硬核,给你一个蛋白质的序列,自己去预测结构吧。为了防止作弊,这个蛋白的真实结构要么刚刚解出,还没有发表,要么索性会在之后才解出来。

用现有的数据库里的超过17万种蛋白序列与结构,以及其他一些大型数据库里的数据,DeepMind宣布开发出了最新的一代人工智能。评估蛋白结构预测准确度的指标叫做GDT,也就是评估预测结构里的氨基酸位置,和实际的氨基酸位置差多少。差得越少,得分越高。

GDT的分值在0-100之间。2006-2016年间,这个数字最高在40左右。2018年,上一代的AlphaFold得分一下子突破了50。这次的新AlphaFold,在蛋白结构预测大赛里的中位得分超过了92.4。

更直观一点。拿它预测的结构与实际结构对比,可以看到基本完全吻合(下图,绿色是实验得到的实际结构,蓝色是预测结构)。

AlphaFold能干啥呢?《自然》觉得它并不会让做结构生物学的科学家们失业。毕竟实验方法还是经典而靠谱的方法。但AlphaFold的意义在于能让我们快速分析一个蛋白质的结构,让新一代的分子生物学家以一个全新的维度思考他们想要解决的问题。

Excited! source
Forwarded from 10!
负电流还行
inside class
Video
刚正面就能打过剑圣,不要贪刀
Media is too big
VIEW IN TELEGRAM
这回用鼠标打剑圣,不太熟练,也是过了