細(xì)胞分析 | 分子圖譜 |IND

生物識(shí)別| 基因測(cè)序 |膜蛋白

前幾天，著名的結(jié)構(gòu)生物科學(xué)家顏寧宣布將辭去美國(guó)普林斯頓大學(xué)教職，回國(guó)出任深圳醫(yī)學(xué)科學(xué)院創(chuàng)始院長(zhǎng)的消息在網(wǎng)上刷屏，并迅速?zèng)_上了熱搜第一。

顏寧，山東章丘人，1977年11月生， 2007年受聘清華大學(xué)醫(yī)學(xué)院擔(dān)任教授和博士生導(dǎo)師，2012年獲得長(zhǎng)聘教授資格，2013年成為拜耳講席教授。2017年受聘普林斯頓大學(xué)，成為首位雪莉·蒂爾曼終身講席教授。

她主要致力于跨膜運(yùn)輸?shù)鞍椎慕Y(jié)構(gòu)與機(jī)理研究，在國(guó)際上首次揭示人源葡萄糖轉(zhuǎn)運(yùn)蛋白、真核生物電壓門控鈉離子通道和鈣離子通道等一系列具有重要生理與病理意義跨膜蛋白的原子分辨率結(jié)構(gòu)，為理解相關(guān)疾病的致病機(jī)理及藥物開發(fā)提供了分子基礎(chǔ)。

自2009年以來(lái)，顏寧作為通訊或者共同通訊作者發(fā)表學(xué)術(shù)研究論文近80篇，其中33篇發(fā)表于《細(xì)胞》、《自然》、《科學(xué)》。

顏寧于2005年獲得Science/AAAS和GE Healthcare “青年科學(xué)家獎(jiǎng)”（北美地區(qū)）；2012年獲得美國(guó)HHMI首屆國(guó)際青年科學(xué)家獎(jiǎng)、“中國(guó)優(yōu)秀青年女科學(xué)家獎(jiǎng)”；2014年獲何梁何利基金科學(xué)與技術(shù)進(jìn)步獎(jiǎng)；2015年獲國(guó)際蛋白質(zhì)學(xué)會(huì)青年科學(xué)家獎(jiǎng)，賽克勒國(guó)際生物物理獎(jiǎng)，并受聘長(zhǎng)江講座教授（2018年終止）；2016年成為戈登學(xué)術(shù)會(huì)議（Gordon Research Conference）首位來(lái)自中國(guó)大陸地區(qū)的Alexander Cruickshank報(bào)告人；2018年獲亞洲及大洋洲生物化學(xué)家和分子生物學(xué)家聯(lián)盟（FAOBMB）“卓越研究獎(jiǎng)”；2019年獲得以色列魏斯曼研究所頒發(fā)的國(guó)際“女科學(xué)家獎(jiǎng)”；2021年獲得國(guó)際生物物理協(xié)會(huì)頒發(fā)的Anatrace膜蛋白研究獎(jiǎng)。

顏寧突然回國(guó)所謂何？

2014年，顏寧帶領(lǐng)一個(gè)平均年齡不到30歲的團(tuán)隊(duì)，只用了6個(gè)月時(shí)間，首次解析了人源葡萄糖轉(zhuǎn)運(yùn)蛋白GLUT1的晶體結(jié)構(gòu)和工作機(jī)理，成功攻克了橫亙?cè)谌澜绶肿咏Y(jié)構(gòu)科學(xué)家面前長(zhǎng)達(dá)50年的一個(gè)難題，這一成就也使得顏寧收獲了無(wú)數(shù)的榮譽(yù)。而這樣的研究成果并沒(méi)有引發(fā)網(wǎng)絡(luò)輿論的廣泛關(guān)注。最大的兩次爭(zhēng)議，一次是離開，一次是回來(lái)。顏寧此次回國(guó)最主要的爭(zhēng)議是：”據(jù)說(shuō)她在美國(guó)已經(jīng)學(xué)術(shù)破產(chǎn)干不下去了，因?yàn)樗墓ぷ饕呀?jīng)被AI取代了。”很多完全不懂科學(xué)、不懂AI的鍵盤俠們抱著一種幸災(zāi)樂(lè)禍的感覺(jué)吃瓜。一篇網(wǎng)上熱轉(zhuǎn)的文章，開頭就用極其夸張和簡(jiǎn)單的幾句話概括了整個(gè)事件。

首先來(lái)看此次爭(zhēng)議中的另一個(gè)主角——“AlphaFold”是什么？又做了什么？

AlphaFold可以說(shuō)是生物界的AlphaGo，它的所做出的貢獻(xiàn)也被該領(lǐng)域的科學(xué)家們稱為“劃時(shí)代的進(jìn)步”。同樣出自于DeepMind公司AlphaFold，和橫掃頂尖人類圍棋職業(yè)選手的AlphaGo一樣，分別在2018年（首次參加）和2020年國(guó)際蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)競(jìng)賽（CASP）上一舉擊敗了其余的參會(huì)選手摘得頭魁，并在生物學(xué)領(lǐng)域引發(fā)轟動(dòng)。

在DeepMind公開了AlphaFold的源代碼之后，生物學(xué)界也掀起了一陣“AlphaFold狂熱”的研究。

AlphaFold誕生之前的50年中，科學(xué)家們需要進(jìn)行大量的試錯(cuò)，耗費(fèi)大量的時(shí)間和精力，采用冷凍電子顯微鏡、核磁共振或 X 射線晶體學(xué)等實(shí)驗(yàn)手段在實(shí)驗(yàn)室中確定蛋白質(zhì)的形狀。

1972年，諾貝爾化學(xué)獎(jiǎng)得主Christian Anfinsen提出，理論上，蛋白質(zhì)的氨基酸序列應(yīng)該能夠完全決定它的3D結(jié)構(gòu)。這一假說(shuō)讓科學(xué)家們開始了基于氨基酸序列，通過(guò)計(jì)算方法預(yù)測(cè)蛋白質(zhì)3D結(jié)構(gòu)的探索。

然而，這樣的探索面臨著極其重大的挑戰(zhàn)，20世紀(jì)80、90年代用計(jì)算機(jī)預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu)的早期嘗試并不成功。AlphaFold的出現(xiàn)改變了這一局面。2021年，DeepMind宣布已經(jīng)用AlphaFold預(yù)測(cè)了人體內(nèi)近乎所有蛋白質(zhì)的結(jié)構(gòu)，以及20個(gè)其他被大量研究的生物體的完整“蛋白質(zhì)組”，其中包括小鼠和大腸桿菌，累計(jì)共有36.5萬(wàn)個(gè)結(jié)構(gòu)。

而今年，DeepMind更是計(jì)劃發(fā)布總計(jì)1億多個(gè)結(jié)構(gòu)預(yù)測(cè)——相當(dāng)于所有已知蛋白的近一半，是蛋白質(zhì)數(shù)據(jù)銀行（PDB,Protein Data Bank）結(jié)構(gòu)數(shù)據(jù)庫(kù)中經(jīng)過(guò)實(shí)驗(yàn)解析的蛋白數(shù)量的幾百倍之多。顏寧的成就攻克了困擾生物學(xué)界50年的一個(gè)難題，AlphaFold的成就同樣解決了困擾生物學(xué)界50年的重大挑戰(zhàn)。

所以就有人說(shuō)：你看顏寧跟她的團(tuán)隊(duì)研究那么久才搞出來(lái)一個(gè)結(jié)構(gòu)，AlphaFold一下子就能預(yù)測(cè)出上億個(gè)，等于是把整個(gè)游戲都顛覆了，然后像顏寧他們這樣的人當(dāng)然是下崗沒(méi)地兒去了。

這里面有幾點(diǎn)需要思考：

一、現(xiàn)在小學(xué)生都知道的無(wú)理數(shù)和虛數(shù)在歷史上花費(fèi)了人們上千年的思考才出現(xiàn)，我們不能說(shuō)之前那些數(shù)學(xué)家搞得就是小學(xué)生都懂的玩意兒。

二、AI的能力來(lái)自于前人積累的數(shù)據(jù)。AlphaFold之所以能夠做到這件事兒，恰恰是因?yàn)榍懊嬗锌茖W(xué)家做了無(wú)數(shù)的理論和實(shí)驗(yàn)的工作，它才有一個(gè)非常好的基礎(chǔ)。AI是站在很多個(gè)巨人的肩膀上才能達(dá)到這樣的高度的，如果沒(méi)有這些科學(xué)家之前的結(jié)果，AI和機(jī)器學(xué)習(xí)是不可能自己學(xué)會(huì)做生物學(xué)研究的。

三、科學(xué)家并不是只做這一件事，AI能做了他們就要被取代了。因?yàn)锳lphaFold研究如此復(fù)雜，如果AI能解決的話，那恰恰是可以把這些科學(xué)家從大量重復(fù)且繁重的實(shí)驗(yàn)中解放出來(lái)，讓他們?nèi)パ芯扛喔幸馑嫉恼n題。其實(shí)就相當(dāng)于我們發(fā)明了自行車、汽車，然后它們可以幫助人類行走，這并不是意味著人類就不需要走路了，而是說(shuō)人把這個(gè)時(shí)間節(jié)省下來(lái)，給人類提供了更大的自由，可以讓人去做更有意義的事情。

四、顏寧并不是在國(guó)外混不下去才要回國(guó)。顏寧這樣的頂級(jí)的科學(xué)家，發(fā)了這么多《Nature》、《Science》、《CELL》，僅靠悶頭做做重復(fù)性的實(shí)驗(yàn)是不可能的。沒(méi)有發(fā)過(guò)論文的人憑空臆想以為只是努力熬夜做重復(fù)工作就可以發(fā)頂刊的論文了。

深圳醫(yī)學(xué)科學(xué)院為何可以吸引顏寧任職

據(jù)深圳發(fā)布報(bào)道，深圳醫(yī)學(xué)科學(xué)院由市政府設(shè)立，登記為市政府舉辦的事業(yè)單位，實(shí)行黨委領(lǐng)導(dǎo)下的院長(zhǎng)負(fù)責(zé)制；不定編制，不定級(jí)別，實(shí)行社會(huì)化用人制度。理事會(huì)是深圳醫(yī)學(xué)科學(xué)院的決策機(jī)構(gòu)；院長(zhǎng)是深圳醫(yī)學(xué)科學(xué)院的法定代表人，面向全球招聘，由理事會(huì)聘任，實(shí)行任期制。

據(jù)透露，深圳醫(yī)學(xué)科學(xué)院將按照全新機(jī)制的要求，主要建設(shè)“四平臺(tái)一智庫(kù)”，力爭(zhēng)到本世紀(jì)中葉成為全球著名醫(yī)學(xué)研究機(jī)構(gòu)。

也就是說(shuō)，深圳醫(yī)學(xué)科學(xué)院是一所國(guó)家支持建設(shè)的全新機(jī)制醫(yī)學(xué)科學(xué)院。所謂“全新機(jī)制”包括兩個(gè)方面。

一、定位新

就是說(shuō)，深圳醫(yī)科院不僅是一個(gè)單純的研究機(jī)構(gòu)，按官方說(shuō)法，它更是一個(gè)“組織科研的科研組織”。其核心功能，一要承擔(dān)醫(yī)學(xué)科技研究方面的公共管理和服務(wù)職能。另外，還要引領(lǐng)深圳醫(yī)學(xué)科技發(fā)展。為此，深圳市政府還設(shè)立了“深圳市醫(yī)學(xué)研究專項(xiàng)資金”，委托深圳醫(yī)科院進(jìn)行專業(yè)化管理。

二、機(jī)制新

不定編制，不定級(jí)別，自主設(shè)崗，遵循理事會(huì)治理、學(xué)術(shù)自治原則。對(duì)包括院長(zhǎng)在內(nèi)的科研人才，實(shí)行市場(chǎng)化薪酬、社會(huì)化用人制度。去年9月，深圳衛(wèi)健委就曾發(fā)布過(guò)一波深圳醫(yī)學(xué)科學(xué)院管理崗位人員的招聘。

三、政府政策的支持

機(jī)制新不止體現(xiàn)在人事方面。深圳醫(yī)科院雖然登記為深圳市政府的直屬事業(yè)單位，但本質(zhì)上是一個(gè)法定機(jī)構(gòu)，實(shí)行“一院一法”。具體來(lái)講，就是政府會(huì)出臺(tái)《深圳醫(yī)學(xué)科學(xué)院管理辦法》，可以不用顧及傳統(tǒng)事業(yè)單位的體制，依法自主辦院。

四、深圳醫(yī)學(xué)科學(xué)學(xué)院財(cái)力雄厚

首先是政府專項(xiàng)資助，這就是上文提到的“深圳市醫(yī)學(xué)研究專項(xiàng)資金”。今年5月份釋出的文件中顯示，2022年政府為其預(yù)算撥款2848萬(wàn)元。同時(shí)，深圳醫(yī)科院還會(huì)設(shè)立聯(lián)合基金、接受慈善捐贈(zèng)、引入風(fēng)險(xiǎn)投資，逐步探索設(shè)立“粵港澳大灣區(qū)衛(wèi)生健康科技創(chuàng)新引導(dǎo)基金”。此外，醫(yī)科院的另外一大資金來(lái)源便是藥物、器械的轉(zhuǎn)化及生產(chǎn)，轉(zhuǎn)化而來(lái)的收益直接反哺給自己。

五、深圳醫(yī)學(xué)科學(xué)院未來(lái)發(fā)展規(guī)劃

關(guān)于深圳醫(yī)學(xué)科學(xué)院未來(lái)發(fā)展規(guī)劃，總結(jié)下來(lái)有兩點(diǎn)。

1）聚合資源

深圳醫(yī)學(xué)科學(xué)院就相當(dāng)于一個(gè)醫(yī)學(xué)科技協(xié)同創(chuàng)新平臺(tái)，解決國(guó)內(nèi)醫(yī)學(xué)科技資源配置分散的問(wèn)題，避免資源交叉浪費(fèi)，科研經(jīng)費(fèi)使用效率低。

2）幫助轉(zhuǎn)化科研成果

深圳將允許科研人員通過(guò)“技術(shù)入股”，在轉(zhuǎn)化項(xiàng)目中持有股份，直接參與科技成果的轉(zhuǎn)化過(guò)程，提高轉(zhuǎn)化積極性。

此外，深圳醫(yī)科院還將通過(guò)天使投資等形式，“入股”轉(zhuǎn)化企業(yè)，逐步從單一科技研發(fā)向科研產(chǎn)業(yè)混合體過(guò)渡。據(jù)深圳醫(yī)學(xué)科學(xué)院建設(shè)方案消息，深圳醫(yī)學(xué)科學(xué)院將在2025年基本建成。

顏寧也談到：

“深圳醫(yī)學(xué)科學(xué)院的一個(gè)重要使命是把研、藥、醫(yī)緊密結(jié)合在一起，打通從病床到實(shí)驗(yàn)室，再到制藥公司，最后回到病床這樣端到端的順暢聯(lián)系。希望深圳醫(yī)學(xué)科學(xué)院不僅能夠產(chǎn)生若干原創(chuàng)的科研突破，還能探索一個(gè)科學(xué)合理的機(jī)制，在保障科研人員術(shù)業(yè)有專攻，專注科研的同時(shí)，可以有效地幫助大家實(shí)現(xiàn)科研成果的轉(zhuǎn)化。”

藍(lán)海大腦攜液冷服務(wù)器助力生命醫(yī)藥發(fā)展

某學(xué)院?jiǎn)渭?xì)胞基因組研究技術(shù)中心(簡(jiǎn)稱“該中心”)旨在建立標(biāo)準(zhǔn)化、自動(dòng)化的工程技術(shù)，提高單細(xì)胞結(jié)構(gòu)分析水平，高精度確定從蛋白質(zhì)分子到全細(xì)胞的三維結(jié)構(gòu)，并在此基礎(chǔ)上揭示蛋白質(zhì)及其復(fù)合體功能，大規(guī)模制備蛋白/抗體，建成具有國(guó)際一流水平和綜合示范功能的蛋白質(zhì)科學(xué)研究核心基地。

就生命科學(xué)研究項(xiàng)目而言，每個(gè)項(xiàng)目涉及的數(shù)據(jù)量小在上百TB。對(duì)于時(shí)間周期長(zhǎng)、領(lǐng)域廣的項(xiàng)目，未來(lái)數(shù)據(jù)需求可能在PB級(jí)。此外，該中心需要考慮支持多種生命科學(xué)研究項(xiàng)目，而其中，不同應(yīng)用對(duì)高性能平臺(tái)計(jì)算環(huán)境有不同的要求，如基因測(cè)序需要高I/O性能和內(nèi)存大消耗，而分子動(dòng)力學(xué)研究除了I/O性能外，還需要較高的網(wǎng)絡(luò)和并發(fā)處理能力。

一、當(dāng)前生命科學(xué)領(lǐng)域面臨的挑戰(zhàn)

1）數(shù)據(jù)量增長(zhǎng)10多倍，計(jì)算能力也要“跟上”

研究團(tuán)隊(duì)采用的冷凍電鏡技術(shù)在近兩年取得了革命性的進(jìn)展，具體來(lái)說(shuō)就是相機(jī)技術(shù)實(shí)現(xiàn)了飛躍，采集數(shù)據(jù)的能力提高了10多倍，甚至上百倍，從而使得研究蛋白質(zhì)結(jié)構(gòu)的源數(shù)據(jù)呈幾何級(jí)數(shù)增長(zhǎng)，這就需要中心在后期全面提升數(shù)據(jù)處理和計(jì)算能力。

2）亟需簡(jiǎn)化管理保障服務(wù)品質(zhì)

隨著生命科學(xué)研究項(xiàng)目越來(lái)越多，如何根據(jù)不同項(xiàng)目和研究人員個(gè)性化需求分配資源，及時(shí)回收資源，實(shí)現(xiàn)跨整個(gè)高性能資源池的集中統(tǒng)一管理，簡(jiǎn)化維護(hù)管理，減輕運(yùn)維人員負(fù)擔(dān)，是科研高性能計(jì)算平臺(tái)普遍面臨問(wèn)題。

3）TCO居高不下

生命科學(xué)研究迅速成為國(guó)家戰(zhàn)略發(fā)展方向，導(dǎo)致研究項(xiàng)目和跨學(xué)科研究需求快速增加。傳統(tǒng)的分層計(jì)算存儲(chǔ)資源利用率低，導(dǎo)致新增費(fèi)用快速增加。此外，能耗也成為阻礙高性能計(jì)算中心擴(kuò)展的不可逾越的“高墻”。

4）網(wǎng)絡(luò)性能不能拖后腿

作為保證高性能集群正常運(yùn)行的關(guān)鍵，高性能網(wǎng)絡(luò)承擔(dān)著重要的連接任務(wù)。隨著單節(jié)點(diǎn)計(jì)算和存儲(chǔ)性能的不斷提升，高性能用戶需要萬(wàn)兆，四萬(wàn)兆，十萬(wàn)兆，InfiniBand網(wǎng)絡(luò)選擇以滿足不同的高性能計(jì)算需求。

二、解決方案特點(diǎn)

藍(lán)海大腦基于融合架構(gòu)助力某學(xué)院?jiǎn)渭?xì)胞基因組研究技術(shù)中心搭建了一個(gè)分布式高性能平臺(tái)，擁有250個(gè)物理計(jì)算節(jié)點(diǎn)，5000個(gè)計(jì)算核心，總存儲(chǔ)容量1.92PB，理論計(jì)算能力208Tflops。通過(guò)Lustre技術(shù)實(shí)現(xiàn)了跨20個(gè)融合架構(gòu)的集中統(tǒng)一管理。

1）4.1TFLOPS/U的計(jì)算密度，4倍性能提升

可針對(duì)不同項(xiàng)目量身定制配置。其中，高密度計(jì)算節(jié)點(diǎn)支持14核英特爾?至強(qiáng)TM E5-2600v3處理器，在2U中擁有224個(gè)計(jì)算核心的密度，單U空間的計(jì)算性能密度達(dá)到業(yè)界領(lǐng)先的4.1TFLOPS，同時(shí)支持64個(gè)DIMM高密度內(nèi)存，確保高性能和低延遲的性能要求。此外，還支持InfiniBand接口，非常適合要求超低延遲的工作負(fù)載。在強(qiáng)大計(jì)算能力的保證下，計(jì)算效率提升3-4倍，過(guò)去4-5天才能完成的計(jì)算任務(wù)，一天就能完成。

2）簡(jiǎn)化高性能資源池監(jiān)控管理

根據(jù)項(xiàng)目要求定制不同的系統(tǒng)配置，同時(shí)通過(guò)機(jī)箱管理控制器(CMC)，可以集中監(jiān)控和管理20個(gè)FX系統(tǒng)。此外，無(wú)代理生命周期管理和一對(duì)多遠(yuǎn)程管理功能可確保BIOS和固件程序更新不會(huì)影響業(yè)務(wù)穩(wěn)定性，并提高系統(tǒng)中計(jì)算節(jié)點(diǎn)生命周期管理的效率。而且在擴(kuò)展服務(wù)器時(shí)，IT人員可以通過(guò)下發(fā)配置文件，使系統(tǒng)自動(dòng)更新BIOS和固件程序，避免了重復(fù)輸入配置參數(shù)的繁瑣過(guò)程，減少了人工輸入錯(cuò)誤導(dǎo)致的系統(tǒng)故障，簡(jiǎn)化了管理運(yùn)維，降低了管理費(fèi)用。

3）TCO降低約20%

自動(dòng)化、高密度、低能耗的集成部署、集中統(tǒng)一管理，可以使中心的TCO降低20%左右。其中，藍(lán)海大腦將通過(guò)主板連接服務(wù)器、存儲(chǔ)和1G0b網(wǎng)絡(luò)，通過(guò)模塊化設(shè)計(jì)形成融合一體機(jī)，同時(shí)提供散熱、供電、網(wǎng)絡(luò)、管理和PCIe擴(kuò)展的共享插槽，降低數(shù)據(jù)中心的占地和能耗，幫助中心獲得良好的性價(jià)比。

4）高速網(wǎng)絡(luò)保障平臺(tái)I/O性能

藍(lán)海大腦為中心提供四萬(wàn)兆高性能網(wǎng)絡(luò)，在保持成本優(yōu)勢(shì)的基礎(chǔ)上，為用戶提供穩(wěn)定的網(wǎng)絡(luò)性能，保證高性能、低延遲要求。

5）打破原有的服務(wù)器散熱方式，采用液冷散熱

藍(lán)海大腦液冷服務(wù)器系統(tǒng)突破傳統(tǒng)風(fēng)冷散熱模式，采用風(fēng)冷和液冷混合散熱模式——服務(wù)器內(nèi)主要熱源 CPU 利用液冷冷板進(jìn)行冷卻，其余熱源仍采用風(fēng)冷方式進(jìn)行冷卻。通過(guò)這種混合制冷方式，可大幅提升服務(wù)器散熱效率，同時(shí)，降低主要熱源 CPU 散熱所耗電能，并增強(qiáng)服務(wù)器可靠性。經(jīng)檢測(cè)，采用液冷服務(wù)器配套基礎(chǔ)設(shè)施解決方案的數(shù)據(jù)中心年均 PUE 值可降低至 1.2 以下。

三、客戶收益

1）藍(lán)海大腦HPC高性能計(jì)算與AI平臺(tái)已成為高性能、多功能、專業(yè)的前沿計(jì)算平臺(tái)，尤其在AI深度學(xué)習(xí)方面，為校內(nèi)外生物學(xué)研究提供高效的計(jì)算支持。同時(shí)為計(jì)算生物學(xué)、深度學(xué)習(xí)、基因測(cè)序等多個(gè)研究組提供計(jì)算服務(wù)。包括測(cè)序儀的離線處理、序列搜尋比對(duì)分析、分子動(dòng)力學(xué)模擬、計(jì)算機(jī)輔助藥物設(shè)計(jì)和分子對(duì)接、生物網(wǎng)絡(luò)的計(jì)算。

2）全力支持基于深度學(xué)習(xí)的分子圖編碼和基于深度學(xué)習(xí)的中藥方劑系統(tǒng)的研發(fā)。研發(fā)人員可以利用HPC高性能計(jì)算和AI平臺(tái)開發(fā)基于三維分子圖譜的深度學(xué)習(xí)編碼，進(jìn)行基于深度學(xué)習(xí)的中醫(yī)診斷處方。多任務(wù)分子預(yù)測(cè)模型由卷積神經(jīng)網(wǎng)絡(luò)或遞歸神經(jīng)網(wǎng)絡(luò)構(gòu)成。交叉驗(yàn)證用于調(diào)整和驗(yàn)證參數(shù)，外部數(shù)據(jù)用于測(cè)試和評(píng)估模型。同時(shí)，從預(yù)測(cè)模型中挖掘關(guān)鍵信息。同時(shí)通過(guò)卷積神經(jīng)網(wǎng)絡(luò)或遞歸神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)大量的方劑配伍信息，然后用主藥生成語(yǔ)義自動(dòng)關(guān)聯(lián)分析得到的輔藥，從而生成新的方劑。藍(lán)海大腦HPC高性能計(jì)算和AI平臺(tái)提供了高效并行的計(jì)算資源，大大加快了模型的訓(xùn)練速度，從而在有效的時(shí)間內(nèi)完成最終的任務(wù)。

3）支持基于化學(xué)片段的從頭計(jì)算藥物設(shè)計(jì)，對(duì)疾病的治療和生物學(xué)功能的理解有重要的促進(jìn)作用。傳統(tǒng)的藥物篩選過(guò)程耗時(shí)長(zhǎng)，成本高，導(dǎo)致整個(gè)藥物設(shè)計(jì)和發(fā)現(xiàn)過(guò)程效率低下。為了加快藥物設(shè)計(jì)和發(fā)現(xiàn)的進(jìn)程，研究人員利用這一平臺(tái)逐步發(fā)展了分子從頭設(shè)計(jì)的方法，并取得了良好的效果。研究人員通過(guò)蒙特卡洛樹搜索和神經(jīng)網(wǎng)絡(luò)模型的結(jié)合，實(shí)現(xiàn)了巨大化學(xué)空間的搜索和最優(yōu)結(jié)構(gòu)的采樣，快速完成了完整的從頭計(jì)算藥物設(shè)計(jì)過(guò)程，并探索了蛋白質(zhì)口袋表征和評(píng)分功能。

4）利用深度學(xué)習(xí)框架構(gòu)建深度學(xué)習(xí)模型，加強(qiáng)學(xué)習(xí)模型的訓(xùn)練，實(shí)現(xiàn)深度學(xué)習(xí)的評(píng)分函數(shù)模型的訓(xùn)練和測(cè)試，并對(duì)模型進(jìn)行訓(xùn)練。對(duì)于模型生成的分子，通過(guò)聚類分析分子的合成、毒性和理化性質(zhì)，選擇合適的分子。

審核編輯 黃昊宇