新闻中心

蛋白预测从数月缩短至数小时,MassiveFold出于AlphaFold而胜于AlphaFold3

2024-11-18
浏览次数:
返回列表

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

蛋白预测从数月缩短至数小时,massivefold出于alphafold而胜于alphafold3

编辑: KX

蛋白质结构预测:一个飞速发展的领域

蛋白质结构预测领域正蓬勃发展。生物技术研究高度依赖于发现正确的蛋白质结构来执行特定任务,这影响着几乎所有生物技术领域,从食品到药品,从时尚到生物燃料,从洗衣粉到农业。

AlphaFold 的革命性影响

AlphaFold 彻底改变了蛋白质结构预测,实现了单链和复杂蛋白质组装的建模。然而,它需要大量计算且耗时。

MassiveFold:AlphaFold 的优化版本

法国里尔大学和瑞典林雪平大学的科学家开发了 MassiveFold,这是 AlphaFold 的优化和可定制版本,可将蛋白质结构预测的计算时间从数月大幅缩短至数小时。

出色的性能

与 AlphaFold3 相比,比较分析表明 MassiveFold 可为多个 CASP15 靶标生成高质量的模型,甚至在某些情况下表现更佳。

增强蛋白质结构建模

MassiveFold 有效地增强了蛋白质和蛋白质组装的结构建模,降低了计算成本,提高了预测质量,并可在各种硬件设置中扩展。它可以在从单台计算机到大型 GPU 基础设施的任何设备上运行,充分利用所有计算节点。

发表

相关研究题为《MassiveFold:通过优化和并行化大规模采样揭示 AlphaFold 的隐藏潜力》,已于 11 月 11 日发表在《Nature Computational Science》上。

蛋白预测从数月缩短至数小时,MassiveFold出于AlphaFold而胜于AlphaFold3

AlphaFold 的计算成本和时间消耗

  1. AlphaFold 中的大规模采样提升了结构多样性,结合其高效的置信度排名,增强了单体结构和蛋白质组装的建模能力。
  2. 然而,这种方法对 GPU 成本和数据存储提出了挑战。

MassiveFold:AlphaFold 的并行化版本

  1. 为应对上述挑战,法国里尔大学的研究人员开发了 MassiveFold,它是 AlphaFold 的并行化、可定制版本,将计算任务分配到 CPU 和 GPU 之间,加快蛋白质结构预测。
  2. MassiveFold 结合了 AlphaFold 的框架、AFsample 的增强采样和 ColabFold 的附加功能。
  3. MassiveFold 是一个并行化引擎,可调用结构预测工具(如 AFmassive 或 ColabFold),并对结果进行后处理。
  4. MassiveFold 包含 AlphaFold 已发布的所有神经网络模型,这些模型包含增加结构多样性的参数,并可指定仅保留最有前景的预测结果。
  5. MassiveFold 可并行运行多个实例,每个 GPU 最多执行一次预测,充分利用可用计算基础设施,大幅缩短预测结果的获取时间。
  6. MassiveFold 的安装和使用都很简单,只需使用 JSON 参数文件运行简单的命令行。
  7. MassiveFold 采用了优化并行化,包括:在 CPU 上进行比对计算、在 GPU 上进行分批结构推断,以及在 CPU 上进行最终后处理步骤(收集结果、对预测排序、生成图表)。

蛋白预测从数月缩短至数小时,MassiveFold出于AlphaFold而胜于AlphaFold3

Yaara Yaara

使用AI生成一流的文案广告,电子邮件,网站,列表,博客,故事和更多…

Yaara 95 查看详情 Yaara
图 1:MassiveFold 自动处理的计算过程。(来源:论文)

MassiveFold 的后处理汇总了所有预测结果并生成了多个图。

蛋白预测从数月缩短至数小时,MassiveFold出于AlphaFold而胜于AlphaFold3

图 2: MassiveFold 使用 AFmassive 生成的用于 CASP15 多聚体靶标 H1140 结构预测的图表。

MassiveFold 通过优化采样参数、回收和 dropout,增强了蛋白质结构预测的多样性和置信度,从而为复杂靶标创建了高置信度的结构。例如,在 CASP15 H1140 靶标中,MassiveFold 通过扩展采样和应用无模板 dropout,生成了多个具有高置信度分数的不同结构。

蛋白预测从数月缩短至数小时,MassiveFold出于AlphaFold而胜于AlphaFold3

1. 在 CASP15 靶标上对 MassiveFold 和 AlphaFold3 进行比较的测试表明,MassiveFold 的大规模采样方法为八个靶标中的七个生成了良好的模型,而 AlphaFold3 仅在八个靶标中的三个上略胜于 MassiveFold。

2. 未来,将 AlphaFold3 与 MassiveFold 整合

未来,可以将 AlphaFold3 集成到 MassiveFold 中,结合两种工具的独特优势,从而进一步增强抗体-抗原预测模型。

3. MassiveFold 显著缩短了蛋白质结构预测的计算时间,从数月缩短到数小时。这种效率的提升,可以使研究人员能够更快地获得结果,从而加速蛋白质建模和相关科学领域的进步。

4. 此前,AlphaFold 中的大规模采样已用于生成大量蛋白质结构预测,来探索各种可能的构象,从而提高对复杂蛋白质组装建模的准确度。

5. MassiveFold 解决了传统 AlphaFold 应用程序面临的高 GPU 资源需求和数据存储挑战。它能够并行运行预测,即使在计算资源有限的情况下也非常实用。

6. MassiveFold 还具有可扩展性和可定制性,能够在从单台计算机到大型 GPU 基础设施的任何设备上运行。这种灵活性使其能够充分利用所有可用的计算节点,使其可用于各种研究环境。

7. 根据这项研究,该程序易于使用和安装,只需要一个带有 JSON 参数文件的简单命令行。

8. MassiveFold 的代码在 GitHub 和 Zenodo 上公开可用。

GitHub 地址:https://github.com/GBLille/MassiveFold

参考内容:

  • https://phys.org/news/2025-11-massivefold-customizable-version-alphafold-protein.html
  • https://www.news-medical.net/news/20251112/MassiveFold-advances-protein-structure-prediction-with-efficient-parallel-processing.aspx

以上就是蛋白预测从数月缩短至数小时,MassiveFold出于AlphaFold而胜于AlphaFold3的详细内容,更多请关注其它相关文章!


# 蛋白质结构预测  # 使其  # 后处理  # 法国  # 都能  # 基础设施  # 省电  # 多个  # 胜于  # git  # 理论  # 充分利用  # 仙居seo优化排名前十  # 东莞教育网站推广如何  # 浙江seo技巧软件  # 网站优化效果怎么样写  # 官网seo功能有哪些  # 黄骅网站推广贵不贵  # 校园营销推广方法  # 黄田网站建设方案  # 南京全网短视频营销推广  # 沧州网站推广欢迎来电  # 命令行 


相关栏目: 【 行业资讯67740 】 【 技术百科0 】 【 网络运营39195


相关推荐: 单片机面包板怎么插  苹果16主打颜色有哪些  5G手机导航怎么旋转  单片机怎么连接电路图  如何体验苹果16系统  如何打开命令框  datediff快捷函数怎么用  软件命令行参数如何设置  ai文件里无法找到链接文件要怎么解决步骤  怎么下载360桌面壁纸  linux如何打开命令窗口  ai怎么找链接文件位置教程  1kb等于多少字节  shell如何执行sql脚本命令行  单片机是怎么计时的  如何以管理员身份打开cmd命令行窗口  单片机怎么发送can 信号  typescript如何遍历map  华为使用nfc功能是什么意思  360手机壁纸怎么改  老电脑如何装固态硬盘  交管12123协议头不完整是啥意思  关系型数据库和非关系型数据库有哪些  typescript和哪个语音很像  j*a怎么用数组缓存  怎么自学typescript  硬盘和固态硬盘如何区分  如何查询固态硬盘寿命  typescript是什么时候出来的  折叠屏手机共有哪些  如何用命令连接mysql  vi命令如何退出  j*a数组怎么放字符  j*a map数组怎么用  区块链的热闹将何去何从?  单片机怎么储存和显示  手机拍显示屏有条纹怎么去除  iphone拍电子屏有横条如何解决  怎么关360壁纸广告  如何检测固态硬盘温度  typescript如何使用viewer  什么是泛域名解析  固态硬盘如何测试好坏  命令行如何打开文件  怎么用typescript 写js  市盈率3.2是什么意思  typescript怎么设置滚动条  对应市盈率是30X是什么意思  夸克转存中是什么意思  征信信誉不好如何恢复 如何修复不良征信方法 

搜索