海外化学家

Demis Hassabis

译自Chem-Station网站日本版 原文链接:デミス・ハサビス Demis Hassabis

翻译:炸鸡

Demis Hassabis(1976年7月27日出生于北伦敦) ,英国人工智能科学家,现担任Google DeepMind的CEO。

履历

1976年7月27日 – 出生于英国伦敦

1993年 – 在Bullfrog Productions开始职业生涯

1994年 – 17岁时参与《主题公园》的设计辅助并担任首席程序员

1997年 – 入读剑桥大学女王学院

2000年 – 在Lionhead Studios担任《Black & White series》游戏的首席AI程序员

2009年 – 在伦敦大学学院(UCL)获得认知神经科学博士学位

2010年 – 共同创立DeepMind

2014年 – Google收购DeepMind,Hassabis担任工程副总裁

获奖经历

2017年 – 被《时代》杂志评选为“全球最具影响力的100人”

2018年 – 获得CBE(大英帝国司令勋章)

2020年 – 获得丹·大卫奖未来领域奖

2023年 – 获得加德纳国际奖和阿尔伯特·拉斯克基础医学研究奖

2024年 – 获得庆应医学奖

2024年 – 获得科睿唯安全球引文桂冠奖

2024年 – 获得诺贝尔化学奖

其他

1989年左右 – 13岁时国际象棋的Elo等级分达到2300

1992年 – 16岁时通过A-Level和S-Level考试

1994年 – 17岁时参与《主题公园》的设计辅助并担任首席程序员

2003年 – 在智力运动奥林匹克上第5次夺冠后退役

2015年 – DeepMind的AlphaGo击败欧洲围棋冠军

2016年 – AlphaGo击败李世乭

2017年 – 被《时代》杂志评选为“全球最具影响力的100人”

2018年 – 发布AlphaFold

2020年 – 发布AlphaFold2

研究(限于化学领域)

利用人工智能预测蛋白质结构

Hassabis和其团队开发的AI模型”AlphaFold”在蛋白质立体结构的预测领域取得很大突破。AlphaFold2甚至能依靠学习了已知的氨基酸序列和蛋白质的结构的AI模型,预测未知的蛋白质结构。AlphaFold2按照以下四个步骤进行预测:

  • 输入数据和数据库检索

当氨基酸序列(构造未知)被输入进AlphaFold2后,数据库会检索类似的氨基酸序列或已知的蛋白质结构。

  • 序列解析

首先解析不同立体结构的相似氨基酸序列,研究在进化过程中哪些结构被保留。随后,研究具有相互作用的氨基酸在三维结构中是如何相互作用的。例如当某个氨基酸带电时,它可能会被带有相反电荷的氨基酸吸引,或者与水分子的置换转变为疏水性。

基于以上的推测,生成计算氨基酸之间距离的”Distance map”,展现出氨基酸在蛋白质内部的相对接近程度。

  • AI解析

通过使用神经网络对氨基酸序列和距离图(Distance map)进行反复优化,以确定重要的信息。该神经网络使用了一种称为“Transformer”的技术,能够从大量数据中有效提取重要信息。

  • 生成预测结构

AlphaFold2通过像拼装氨基酸拼图一样,预测蛋白质的假想结构。它反复执行步骤3,并在第三次循环时得出最终结构。AI会以概率方式计算结构的各个部分的准确度。

在有研究人员参加的「CASP」(Critical Assessment of protein Structure Prediction)竞赛中,最好的预测蛋白质结构的成绩也仅能达到约40%的精确率。然而,Hassabis的团队开发的AlphaFold大幅超越了这一精度,达到了接近60%的准确率。AlphaFold2更是高达了惊人的90%的预测精度。

改编自NobelPrize.org[The Nobel Prize in Chemistry 2024 They cracked the code for proteins’ amazing structures]

参考文献

  1. John Jumper, Richard Evans, Alexander Pritzel, Tim Green, Michael Figurnov, Olaf Ronneberger, Kathryn Tunyasuvunakool, Russ Bates, Augustin Žídek, Anna Potapenko, Alex Bridgland, Clemens Meyer, Simon A. A. Kohl, Andrew J. Ballard, Andrew Cowie, Bernardino Romera-Paredes, Stanislav Nikolov, Rishub Jain, Jonas Adler, Trevor Back, Stig Petersen, David Reiman, Ellen Clancy, Michal Zielinski, Martin Steinegger, Michalina Pacholska, Tamas Berghammer, Sebastian Bodenstein, David Silver, Oriol Vinyals, Andrew W. Senior, Koray Kavukcuoglu, Pushmeet Kohli & Demis Hassabis, Highly accurate protein structure prediction with AlphaFold. Nature 2021, 596, 583-589. DOI:1038/s41586-021-03819-2

关注Chem-Station抖音号:79473891841

请登陆TCI试剂官网查看更多内容
https://www.tcichemicals.com/CN/zh/

Related post

  1. 第145回—“镧系锕系化合物的合成与光谱学研究”Christop…
  2. 「实现 安全、简便、短工程化学反应」真锅敬教授
  3. 海外新利官方网站 第1回 挑战人工分子机器的合成-David Le…
  4. 第160回——“Wittig催化反应的开发”Christophe…
  5. 第125回—“非线形光传播的基础性质及其应用”Kalai Sar…
  6. 从催化开始走向生命—金井求教授
  7. 第134回—“推进脑神经系统研究的分析化学”Jonathan S…
  8. 第133回―“研究遗传密码重编和翻译后修饰”Jason Chin…

Comment

  1. No comments yet.

  1. No trackbacks yet.

You must be logged into post a comment.

Pick UP!

微信

QQ

广告专区

PAGE TOP
Baidu
map