المعاينة المباشرة丨الدقة أفضل من AlphaFold، ويتم تحقيق التنبؤ بالهيكل ثلاثي الأبعاد للجزيئات البيولوجية الكبيرة وتفاعلاتها بناءً على التعلم العميق

سيتم بث الحلقة السادسة من سلسلة "Meet AI4S" المباشرة في الموعد المحدد في الساعة 19:00 يوم 15 يناير. يشرف HyperAI بدعوة Zheng Wei، أستاذ كلية الإحصاء وعلوم البيانات بجامعة نانكاي. موضوع مشاركته هذه المرة هو "عرش AlphaFold3 غير مستقر، والمجتمع الأكاديمي يتفوق: التنبؤ بالبنية ثلاثية الأبعاد للجزيئات البيولوجية الكبيرة وتفاعلاتها بناءً على التعلم العميق".

تعتمد وظيفة البروتين على بنيته الثلاثية الأبعاد الفريدة. في السنوات الأخيرة، تطورت عملية التنبؤ ببنية البروتين استنادًا إلى تقنيات الذكاء الاصطناعي مثل التعلم العميق بشكل سريع. وقد فاز AlphaFold بجائزة نوبل في الكيمياء لعام 2024.

سيشارك البروفيسور تشنغ وي من جامعة نانكاي بعمق التطور التاريخي والتقدم الحالي للتنبؤ بالبنية للجزيئات البيولوجية الكبيرة مثل البروتينات، والتركيز على أدوات التنبؤ بالبنية ذات التعلم العميق التي طورتها مجموعته البحثية، مثل مونومرات البروتين (DI-TASSER)، ومجمعات البروتين (DMFold)، ومجمعات البروتين والأحماض النووية (DeepProtNA)، وتكوينات البروتين (EnsembleFold). وسوف يشارك أيضًا تجربته في مسابقات التنبؤ ببنية البروتين العالمية السابقة (CASP).

بالنسبة لهذا البث المباشر، قامت HyperAI بإعداد 10 ساعات من موارد NVIDIA RTX A6000 خصيصًا للجميع. لدى الجمهور الذي يشارك في السحب في غرفة البث المباشر فرصة الحصول عليها مجانًا!

امسح رمز الاستجابة السريعة وأضف "AI4S" للانضمام إلى مجموعة المناقشة⬇️

مقدمة الضيف

شارك الموضوع

عرش AlphaFold3 غير مستقر، والمجتمع الأكاديمي يتفوق عليه: التنبؤ بالبنية ثلاثية الأبعاد للجزيئات البيولوجية الكبيرة وتفاعلاتها بناءً على التعلم العميق

الفوائد للجمهور

1. فهم التطور التاريخي والتقدم الحالي وآفاق تطوير التنبؤ ببنية البروتين والجزيئات البيولوجية الكبيرة الأخرى

2. فهم كيفية تطبيق التنبؤ الهيكلي على المشكلات البيولوجية والإنتاج الصناعي

3. فهم والتعرف على الخوادم عبر الإنترنت المستخدمة على نطاق واسع للتنبؤ ببنية الجزيئات الحيوية الكبيرة

عن الفريق

يشغل تشنغ وي حاليًا منصب أستاذ ومشرف على الدكتوراه في كلية الإحصاء وعلوم البيانات بجامعة نانكاي، وعضو في المختبر الوطني الرئيسي لتتبع الأمراض المعدية والإنذار المبكر واتخاذ القرارات الذكية، وعضو في لجنة تطوير المعايير الدولية لتنسيق تخزين بنية البروتين المتوقعة ModelCIF.

لقد أجرى أبحاث ما بعد الدكتوراه في جامعة ميشيغان وكان ملتزمًا منذ فترة طويلة بالتنبؤ ببنية ووظيفة وتفاعل الجزيئات البيولوجية الكبيرة مثل البروتينات. كما قاد تطوير عدد من خوارزميات التنبؤ ببنية مركب البروتين، ومركب البروتين، والأحماض النووية، ومركب البروتين-الأحماض النووية، وخوارزميات تقييم البنية بدقة أفضل من AlphaFold2/3.فاز بالبطولة في العديد من مسابقات مسابقة التنبؤ ببنية البروتين العالمية (CASP) (CASP13-16)،قيادة أكثر من 80 مجموعة بحثية أكاديمية/صناعية حول العالم. لقد تمت دعوته لتقديم تقارير خاصة في مؤتمر CASP الدولي لما بعد المنافسة ثلاث مرات.

ومن بينها، حققت الخوارزمية دقة مماثلة للتحليل التجريبي في التنبؤ بمجمع الأجسام المضادة والمستضد لـ CASP15، وهو ما تم نشره في مجلة Nature. وفي مسابقة CASP16 التي أقيمت في عام 2024، حصلت الخوارزمية التي طورتها على المرتبة الأولى في التنبؤ بالبروتينات من الفئة الصعبة في المجمعات البروتينية؛ المرتبة الأولى في مجموعة الخوادم لبوليمرات الأحماض النووية؛ المرتبة الأولى في التنبؤ بمجمعات البروتين والأحماض النووية؛ واحتلت المرتبة الأولى في تقدير دقة طي المجمع بشكل عام. تحتل درجة TM المرتبة الأولى في التنبؤ بالتكوينات المتعددة.

نشر Zheng Wei أكثر من 50 مقالاً في مجلات SCI رفيعة المستوى مثل Nature Methods وNature Communications وNucleic Acids Research وPNAS. وقد تم الاستشهاد بنتائج الأبحاث ذات الصلة ما يقرب من 3000 مرة، كما خدم خادم الخوارزمية الذي قاد تطويره ما يقرب من 100 ألف مستخدم في أكثر من 100 دولة.

ترأس وشارك في العديد من مشاريع المواهب الوطنية وعلى مستوى تيانجين والمشاريع الرئيسية. تشمل اتجاهات البحث لفريق المعلوماتية الحيوية في كلية الإحصاء والعلوم الحاسوبية بجامعة نانكاي ما يلي: البحث في بنية ووظيفة وتوقع التفاعل بين الجزيئات البيولوجية الكبيرة مثل البروتينات؛ تسلسل الخلية الفردية والبحث في علم الجينوم؛ البحث في التنبؤ بالمنطقة المضطربة للبروتين؛ البحث في نموذج اللغة الكبيرة ونموذج اللغة الكبيرة البيولوجي؛ فحص الأدوية المضادة والبحث عن الأدوية المثلى، وما إلى ذلك.

رمز الاستجابة السريعة للحساب العام لمجموعة البحث⬇️

تعرف على سلسلة AI4S المباشرة

HyperAI (hyper.ai) هو محرك بحث أكبر في الصين في مجال علوم البيانات. يركز على أحدث نتائج الأبحاث العلمية المتعلقة بالذكاء الاصطناعي في العلوم ويتتبع الأوراق الأكاديمية في المجلات العلمية المرموقة مثل Nature وScience في الوقت الفعلي. حتى الآن، تم الانتهاء من تفسير أكثر من 200 ورقة بحثية حول الذكاء الاصطناعي للعلوم.

بالإضافة إلى ذلك، فإننا ندير أيضًا مشروع الذكاء الاصطناعي للعلوم مفتوح المصدر الوحيد في الصين، awesome-ai4s.

* عنوان المشروع:

https://github.com/hyperai/awesome-ai4s

من أجل تعزيز نشر AI4S بشكل أكبر، وتقليل حواجز نشر نتائج البحث العلمي للمؤسسات الأكاديمية، ومشاركتها مع مجموعة أوسع من علماء الصناعة وعشاق التكنولوجيا والوحدات الصناعية، خططت HyperAI لعمود الفيديو "Meet AI4S"، بدعوة الباحثين أو الوحدات ذات الصلة الذين يشاركون بعمق في مجال الذكاء الاصطناعي للعلوم لمشاركة نتائج أبحاثهم وطرقهم في شكل مقاطع فيديو، ومناقشة الفرص والتحديات التي تواجه الذكاء الاصطناعي للعلوم في عملية التقدم في البحث العلمي والترويج له وتنفيذه، وذلك لتعزيز نشر الذكاء الاصطناعي للعلوم ونشره. 

حتى الآن، نجحنا في عقد 4 جلسات بث مباشر لـ Meet AI4S، والتي تغطي مجالات علوم المعلومات الجغرافية، وعلوم الحياة، وهندسة البروتين.

نرحب بمجموعات البحث والمؤسسات البحثية الفعالة للمشاركة في فعالياتنا المباشرة!امسح رمز الاستجابة السريعة لإضافة "Neural Star" إلى WeChat للحصول على التفاصيل↓