Aperçu En Direct丨la Précision Est Meilleure qu'AlphaFold, Et La Prédiction De La Structure Tridimensionnelle Des Macromolécules Biologiques Et De Leurs Interactions Est Obtenue Sur La Base De L'apprentissage Profond

Le sixième épisode de la série en direct « Meet AI4S » sera diffusé à l'heure prévue à 19h00 le 15 janvier. HyperAI a l'honneur d'inviter Zheng Wei, professeur de l'École de statistique et de science des données de l'Université de Nankai. Le thème de son partage cette fois-ci est « Le trône d'AlphaFold3 n'est pas stable, et la communauté académique le dépasse : prédiction de la structure tridimensionnelle des macromolécules biologiques et de leurs interactions basée sur l'apprentissage profond. »

La fonction d’une protéine dépend de sa structure tridimensionnelle unique. Ces dernières années, la prédiction de la structure des protéines basée sur des technologies d’intelligence artificielle telles que l’apprentissage profond s’est développée rapidement. AlphaFold a même remporté le prix Nobel de chimie 2024.

Le professeur Zheng Wei de l'Université de Nankai partagera en profondeur le développement historique et les progrès actuels de la prédiction de structure pour les macromolécules biologiques telles que les protéines, et se concentrera sur les outils de prédiction de structure d'apprentissage profond développés par son groupe de recherche, tels que les monomères protéiques (DI-TASSER), les complexes protéiques (DMFold), les complexes protéine-acide nucléique (DeepProtNA) et les conformations protéiques (EnsembleFold). Il partagera également son expérience lors des précédents concours mondiaux de prédiction de la structure des protéines (CASP).

Pour cette diffusion en direct, HyperAI a spécialement préparé 10 heures de ressources NVIDIA RTX A6000 pour tout le monde. Les spectateurs qui participent au tirage au sort dans la salle de diffusion en direct ont la possibilité de les obtenir gratuitement !

Scannez le code QR et notez « AI4S » pour rejoindre le groupe de discussion⬇️

Présentation de l'invité

Partager le sujet

Le trône d'AlphaFold3 n'est pas stable et la communauté académique le dépasse : prédiction de la structure tridimensionnelle des macromolécules biologiques et de leurs interactions basée sur l'apprentissage profond

Avantages pour le public

1. Comprendre le développement historique, les progrès actuels et les perspectives de développement de la prédiction de la structure des protéines et d'autres macromolécules biologiques

2. Comprendre comment la prédiction de structure peut être appliquée aux problèmes biologiques et à la production industrielle

3. Comprendre et se familiariser avec les serveurs en ligne largement utilisés pour la prédiction de la structure des biomacromolécules

À propos de l'équipe

Zheng Wei est actuellement professeur et directeur de thèse à l'École de statistique et de science des données de l'Université de Nankai, membre du Laboratoire national clé de traçage des maladies infectieuses, d'alerte précoce et de prise de décision intelligente, et membre du comité international de développement de normes pour le format de stockage de la structure prédite des protéines ModelCIF.

Il a mené des recherches postdoctorales à l'Université du Michigan et s'est depuis longtemps consacré à la prédiction de la structure, de la fonction et de l'interaction des macromolécules biologiques telles que les protéines. Il a également dirigé le développement d'un certain nombre d'algorithmes de prédiction de structure de monomères protéiques, de complexes protéiques, d'acides nucléiques et de complexes, de complexes protéine-acide nucléique et d'algorithmes d'évaluation de structure avec une meilleure précision qu'AlphaFold2/3.A remporté le championnat dans de nombreuses compétitions du World Protein Structure Prediction Competition (CASP) (CASP13-16),Diriger plus de 80 groupes de recherche universitaires/industriels à travers le monde. Il a été invité à présenter des rapports spéciaux lors de la conférence internationale post-compétition du CASP à trois reprises.

Parmi eux, l'algorithme a atteint une précision comparable à l'analyse expérimentale dans la prédiction du complexe anticorps-antigène de CASP15, ce qui a été rapporté par le magazine Nature. Lors du concours CASP16 organisé en 2024, l'algorithme qu'il a développé s'est classé premier dans la prédiction des protéines de classe dure dans les complexes protéiques ; classé premier dans le groupe de serveurs pour les polymères d'acides nucléiques ; classé premier dans la prédiction des complexes protéine-acide nucléique ; et classé premier dans l'estimation de la précision globale du pliage du complexe. Le score TM se classe au premier rang dans la prédiction multi-conformation.

Zheng Wei a publié plus de 50 articles dans des revues SCI de haut niveau telles que Nature Methods, Nature Communications, Nucleic Acids Research et PNAS. Les résultats de recherche pertinents ont été cités près de 3 000 fois et le serveur d’algorithmes qu’il a dirigé dans le développement a servi près de 100 000 utilisateurs dans plus de 100 pays.

Il a présidé et participé à de nombreux projets de talents et projets clés au niveau national et à celui de Tianjin. Les axes de recherche de l'équipe de bioinformatique de l'École de statistique et de sciences informatiques de l'Université de Nankai comprennent : la recherche sur la structure, la fonction et la prédiction des interactions des macromolécules biologiques telles que les protéines ; séquençage de cellules uniques et recherche en omique ; recherche sur la prédiction des régions désordonnées des protéines ; recherche sur les grands modèles de langage et les grands modèles biologiques de langage ; recherche sur le criblage et l'optimisation des médicaments à base d'anticorps, etc.

QR code du compte public du groupe de recherche⬇️

Découvrez la série AI4S Live

HyperAI (hyper.ai) est le plus grand moteur de recherche de Chine dans le domaine de la science des données. Il se concentre sur les derniers résultats de recherche scientifique de l'IA pour la science et suit en temps réel les articles universitaires dans les meilleures revues telles que Nature et Science. Jusqu’à présent, il a achevé l’interprétation de plus de 200 articles sur l’IA pour la science.

De plus, nous exploitons également le seul projet open source d'IA pour la science en Chine, awesome-ai4s.

* Adresse du projet :

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

Afin de promouvoir davantage la popularisation de l'IA4S, de réduire davantage les barrières de diffusion des résultats de la recherche scientifique des institutions universitaires et de les partager avec un plus large éventail de chercheurs de l'industrie, de passionnés de technologie et d'unités industrielles, HyperAI a planifié la colonne vidéo « Meet AI4S », invitant les chercheurs ou les unités connexes qui sont profondément engagés dans le domaine de l'IA pour la science à partager leurs résultats de recherche et leurs méthodes sous forme de vidéos, et à discuter conjointement des opportunités et des défis auxquels est confrontée l'IA pour la science dans le processus de progrès, de promotion et de mise en œuvre de la recherche scientifique, afin de promouvoir la vulgarisation et la diffusion de l'IA pour la science. 

Jusqu'à présent, nous avons organisé avec succès 4 diffusions en direct de Meet AI4S, couvrant les domaines de la science de l'information géographique, des sciences de la vie et de l'ingénierie des protéines.

Nous invitons les groupes de recherche et les institutions de recherche efficaces à participer à nos événements en direct !Scannez le code QR pour ajouter « Neural Star » WeChat pour plus de détails↓