Live-Vorschau丨Die Genauigkeit Ist Besser Als Bei AlphaFold, Und Die Dreidimensionale Strukturvorhersage Biologischer Makromoleküle Und Ihrer Wechselwirkungen Wird Auf Der Grundlage Von Deep Learning Erreicht
Die sechste Folge der Live-Serie „Meet AI4S“ wird am 15. Januar pünktlich um 19:00 Uhr ausgestrahlt. HyperAI hat die Ehre, Zheng Wei, Professor der School of Statistics and Data Science der Nankai University, einzuladen. Das Thema seines diesmaligen Beitrags lautet: „Der Thron von AlphaFold3 ist nicht stabil und wird von der akademischen Gemeinschaft überholt: Vorhersage der dreidimensionalen Struktur biologischer Makromoleküle und ihrer Wechselwirkungen basierend auf Deep Learning.“
Die Funktion von Proteinen hängt von ihrer einzigartigen dreidimensionalen Struktur ab. In den letzten Jahren hat sich die Vorhersage von Proteinstrukturen auf der Grundlage künstlicher Intelligenztechnologien wie Deep Learning rasant entwickelt. AlphaFold gewann sogar den Nobelpreis für Chemie 2024.
Professor Zheng Wei von der Nankai-Universität wird ausführlich über die historische Entwicklung und den aktuellen Fortschritt der Strukturvorhersage für biologische Makromoleküle wie Proteine berichten und sich auf die von seiner Forschungsgruppe entwickelten Deep-Learning-Strukturvorhersagetools konzentrieren, wie etwa Proteinmonomere (DI-TASSER), Proteinkomplexe (DMFold), Protein-Nukleinsäure-Komplexe (DeepProtNA) und Proteinkonformationen (EnsembleFold). Er wird auch seine Erfahrungen bei früheren World Protein Structure Prediction Competitions (CASP) weitergeben.
Für diese Live-Übertragung hat HyperAI speziell 10 Stunden NVIDIA RTX A6000-Ressourcen für alle vorbereitet. Zuschauer, die an der Verlosung im Live-Übertragungsraum teilnehmen, haben die Möglichkeit, diese kostenlos zu erhalten!
Scannen Sie den QR-Code und geben Sie „AI4S“ ein, um der Diskussionsgruppe beizutreten ⬇️
Gastvorstellung
Teilen Sie das Thema
Der Thron von AlphaFold3 ist nicht stabil und die akademische Gemeinschaft übernimmt ihn: Dreidimensionale Strukturvorhersage biologischer Makromoleküle und ihrer Wechselwirkungen basierend auf Deep Learning
Vorteile für das Publikum
1. Verstehen Sie die historische Entwicklung, den aktuellen Fortschritt und die Entwicklungsaussichten der Protein- und anderen biologischen Makromolekülstrukturvorhersage
2. Verstehen, wie Strukturvorhersage auf biologische Probleme und die industrielle Produktion angewendet werden kann
3. Verstehen und vertraut sein mit den weit verbreiteten Online-Servern zur Vorhersage der Struktur von Biomakromolekülen
Über das Team
Zheng Wei ist derzeit Professor und Doktorvater an der School of Statistics and Data Science der Nankai University, Mitglied des National Key Laboratory of Infectious Disease Tracing, Early Warning and Intelligent Decision-making und Mitglied des internationalen Standardentwicklungsausschusses für das Protein Predicted Structure Storage Format ModelCIF.
Er hat als Postdoktorand an der University of Michigan geforscht und beschäftigt sich seit langem mit der Vorhersage der Struktur, Funktion und Interaktion biologischer Makromoleküle wie Proteinen. Er leitete außerdem die Entwicklung einer Reihe von Algorithmen zur Strukturvorhersage und Strukturbewertung von Proteinmonomeren, Proteinkomplexen, Nukleinsäuren und Komplexen sowie Protein-Nukleinsäure-Komplexen mit besserer Genauigkeit als AlphaFold2/3.Gewann die Meisterschaft in vielen Wettbewerben der World Protein Structure Prediction Competition (CASP) (CASP13-16),Leitung von mehr als 80 akademischen/industriellen Forschungsgruppen auf der ganzen Welt. Er wurde dreimal eingeladen, bei der internationalen CASP-Konferenz nach Wettbewerben Sonderberichte zu halten.
Unter anderem erreichte der Algorithmus bei der Vorhersage des Antikörper-Antigen-Komplexes von CASP15 eine Genauigkeit, die mit der experimentellen Analyse vergleichbar ist, worüber im Magazin Nature berichtet wurde. Beim CASP16-Wettbewerb im Jahr 2024 belegte der von ihm entwickelte Algorithmus den ersten Platz bei der Vorhersage von Hard-Class-Proteinen in Proteinkomplexen; Platz 1 in der Servergruppe für Nukleinsäurepolymere; belegt den ersten Platz bei der Vorhersage von Protein-Nukleinsäure-Komplexen; und belegte den ersten Platz bei der Schätzung der Gesamtfaltgenauigkeit des Komplexes. Der TM-Score steht bei der Vorhersage mehrerer Konformationen an erster Stelle.
Zheng Wei hat mehr als 50 Artikel in hochrangigen SCI-Zeitschriften wie Nature Methods, Nature Communications, Nucleic Acids Research und PNAS veröffentlicht. Die entsprechenden Forschungsergebnisse wurden fast 3.000 Mal zitiert und der von ihm federführend entwickelte Algorithmusserver diente fast 100.000 Benutzern in mehr als 100 Ländern.
Er hat viele Talent- und Schlüsselprojekte auf nationaler und Tianjin-Ebene geleitet und daran teilgenommen. Die Forschungsrichtungen des Bioinformatik-Teams an der School of Statistics and Computational Science der Nankai-Universität umfassen: Forschung zur Struktur, Funktion und Interaktionsvorhersage biologischer Makromoleküle wie Proteine; Einzelzellsequenzierung und Omics-Forschung; Forschung zur Vorhersage ungeordneter Proteinregionen; Großsprachenmodell- und biologische Großsprachenmodellforschung; Antikörper-Medikamentenscreening und Optimierungsforschung usw.
QR-Code des öffentlichen Kontos der Forschungsgruppe ⬇️
Lernen Sie die AI4S Live-Serie kennen
HyperAI (hyper.ai) ist Chinas größte Suchmaschine im Bereich Datenwissenschaft. Es konzentriert sich auf die neuesten wissenschaftlichen Forschungsergebnisse von AI for Science und verfolgt wissenschaftliche Arbeiten in Top-Zeitschriften wie Nature und Science in Echtzeit. Bisher wurde die Interpretation von über 200 AI for Science-Artikeln abgeschlossen.
Darüber hinaus betreiben wir auch das einzige Open-Source-Projekt „KI für die Wissenschaft“ in China, awesome-ai4s.
* Projektadresse:
https://github.com/hyperai/awesome-ai4s
Um die Popularisierung von AI4S weiter voranzutreiben, die Verbreitungsbarrieren für wissenschaftliche Forschungsergebnisse akademischer Einrichtungen weiter abzubauen und diese mit einem größeren Kreis von Branchenwissenschaftlern, Technologiebegeisterten und Industrieeinheiten zu teilen, hat HyperAI die Videokolumne „Meet AI4S“ geplant. Darin werden Forscher oder verwandte Einheiten, die sich intensiv mit dem Bereich KI für die Wissenschaft beschäftigen, eingeladen, ihre Forschungsergebnisse und -methoden in Form von Videos zu teilen und gemeinsam die Chancen und Herausforderungen zu diskutieren, denen sich KI für die Wissenschaft im Prozess des Fortschritts sowie der Förderung und Umsetzung wissenschaftlicher Forschung gegenübersieht, um so die Popularisierung und Verbreitung von KI für die Wissenschaft zu fördern.
Bisher haben wir erfolgreich 4 Meet AI4S-Liveübertragungen aus den Bereichen Geographische Informationswissenschaft, Biowissenschaften und Protein-Engineering durchgeführt.
Wir heißen leistungsfähige Forschungsgruppen und Forschungseinrichtungen herzlich willkommen, an unseren Live-Übertragungsaktivitäten teilzunehmen!Scannen Sie den QR-Code, um „Neural Star“ WeChat für Details hinzuzufügen ↓
