<mark id="oztn4"></mark>
0
| 本文作者： 李雨晨 | 2020-12-07 20:10 |
作為DeepMind的核心“王牌”，Alpha系列絕不僅是挑戰圍棋和游戲而生。
盡管AlphaGo曾在國際象棋、圍棋等項目中取得了超越人類的表現，其研究不僅震驚世界，也兩次登上 Nature。
但是，正如DeepMind首席執行官Hassabis所言：
“我們的目標從來就不只是贏得圍棋，而是開發能夠解決蛋白質折疊這類問題的算法。對于我們來說，這真的是一個關鍵時刻。這個項目就像燈塔，這是我們關于人和資源的首次重大投資，用于解決一個根本性的、現實世界的重要問題。
AlphaFold就是在這樣的背景下誕生，而且從第一天起，就立志挑戰生物學里的最難問題——蛋白質折疊。
經過整整兩年的，Hassabis這番豪言，如今終于應驗。
然而，“將會改變一切”的AlphaFold2，現階段畢竟還是一項“競賽成果”，而AI的本質還是要落到更為具體的細分行業中，要面臨諸多的學科研究和產業轉化問題。
在這個過程中，AlphaFold2還有哪些值得我們進一步思考的地方？生物結構學有沒有可能分化出新的細分領域？
因此，我們為AlphaFold2準備了產學兩界最為關注的七大疑問，看完這七大疑問和20多個子問題，你將會認識到一個全新的AlphaFold2和充滿探索前景的生命學科。
1、CASP競賽的目的、歷史
2、AlphaFold2的“勝利”具體體現在哪些項目上？
3、除了AlphaFold2之外，這次CASP競賽還有哪些亮點？
1、蛋白折疊預測的主要意義和應用是什么？主要難點是什么？
2、AlphaFold2主要在哪些技術問題上取得了突破？在哪些主要問題上還沒有？是否能區分alternative confirmation，能否區分monomer、dimer等？
3、AlphaFold2的“勝利”不是天上掉下來的，它在算法、數據上都借鑒了此前的哪些主要結果和方法？華人科學家在中間都有哪些主要貢獻？
1、結構生物學的哪些方向能受益而加速突破？哪些方向會收影響而淡出？
2、結構生物學的研究能夠怎樣幫助AlphaFold2進一步改進？
1、AlphaFold2能否擴展到分子動力學MDS領域？
2、能否應用于蛋白-配體相互作用/對接， 蛋白質-蛋白質相互作用？
3、能否應用于蛋白質設計？
1、這個突破對實際應用尤其是藥物開發的影響、意義是什么？短期能見效嗎？藥廠是不是會開始組建這方面的AI團隊？
2、除了藥物研發，AlphaFold2還可能在哪些方面有應用？
3、這個突破可能帶來哪些新的商業和創業機會？有沒有可能分化出新的細分領域？
1、AlphaFold2算法的成功主要得益于機器學習，深度學習中的哪些重要技術和突破（例如注意力機制）？如果僅靠增加算力能否進一步突破？
2、AlphaFold2算法當前的局限性在哪里？可能有哪些改進空間？
1、 如果AlphaFold 不開源，學術界有沒有成立開源組織的計劃？
2、工業界一些大公司在算法和算力方面都占有絕對優勢，那么學術研究前進的方向在哪里？對于高校中的AI研究人員有什么建議？對于生物研究人員有什么建議？
3、工業界一些大公司在算法和算力方面都占有絕對優勢，對整個學術界的影響會是什么？如何“擺正”學術界和工業界的關系？
12月8日上午9:30-11:00，由圖像計算與數字醫學國際研討會（ISICDM）主辦，雷鋒網、醫療AI掘金志協辦的《ISICDM-AI+蛋白質結構預測》主題論壇，將正式在線上開啟。
主題：權威專家談AlphaFold：DeepMind 到底突破了什么？
時間：12月8日，上午9:30-11:00
主辦單位：圖像計算與數字醫學國際研討會（ISICDM）
協辦單位：雷鋒網、醫健AI掘金志
關注《醫健AI掘金志》，回復關鍵詞“蛋白質”，即可加入微信群，觀看此次線上論壇，同時實時交流與提問。
（業內首批AI+蛋白質結構預測【資深研究者討論群】）雷鋒網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
