“今天我们迈出了承诺的第一步 ， 在《自然》期刊上分享AlphaFold的开源代码 ， 并发表了系统的完整方法论 ， 详尽细致说明AlphaFold是如何做到精确预测蛋白质3D结构的 。 作为一家致力于推动科学进步的公司 ， 我们期待看到我们的方法将为科学界启发出什么其他新的研究方法 ， 也期待很快能和大家分享更多我们的新进展 。 ”Hassabis表示 。
也就在同一天 ， 另一顶级期刊《科学》（Science）也在线发表了另一预测蛋白质结构的研究文章 ， 题为“Accurate prediction of protein structures and interactions using a three-track neural network” 。 来自华盛顿大学、哈佛大学、德克萨斯大学西南医学中心等团队的研究人员开发了新的深度学习工具RoseTTAFold ， 其拥有媲美AlphaFold2的蛋白质结构预测超高准确度 ， 而且更快、所需计算机处理能力更低 。 同样 ， 研究团队也对外分享了开源代码 。
清华大学生命科学学院院长、高精尖中心执行主任王宏伟在接受澎湃新闻（www.thepaper.cn）采访人员采访时曾表示 ， “高质量结构预测的源代码开放对整个科学界尤其是结构生物学领域的促进作用必然是巨大的 。 ”他评价道 ， 对于DeepMind这样一家商业公司来说 ， “团队愿意向公众分享代码 ， 是一个新型科研范式的突破 ， 将整体上有利于人类更好地探索未知 。 ”
不过 ， 深势科技此次也提到一点 ， 尽管DeepMind在半年后开源了AlphaFold2模型的推理代码 ， 但其训练代码并未被公布 ， 且模型不可商用 。 研究者难以通过训练或调整模型进一步提升 AlphaFold2 的表现 ， 或迁移至更多应用场景 ， 如蛋白质复合物结构预测、蛋白质与小分子相互作用、与电镜实验结合等 。 此外 ， 该代码基于Google自研的可微分计算框架JAX及TPU硬件平台开发 ， 高度依赖Google生态系统 ， 造成了一定的使用限制 。
深势科技的Uni-Fold则克服了AlphaFold2未开源训练代码、硬件支持单一、模型不可商用等局限性 ， 在训练与推理环节进行了 NVIDIA GPU上的适配、性能优化及功能完善等工作 ， 为更多人参与推动领域进一步发展提供了基础 。
中科院院士、北京大学教授、深势科技首席科学顾问鄂维南表示 ， “尽管DeepMind开源了推理代码 ， 但模型的训练技术才是核心竞争力 。 在资源比较匮乏的情况下 ， 深势科技团队在较短时间内实现模型训练、开源训练代码 ， 这是很不容易的 。 深势科技在物理模型方面具备丰富的经验 ， Uni-Fold进一步弥补了团队在数据驱动方面的短板 。 下一步 ， 物理模型和数据驱动结合的解决方案将为蛋白结构和药物设计行业提供更好的基础 。 ”
对于开源 ， 深势科技联合创始人兼首席科学家张林峰博士在接受澎湃新闻（www.thepaper.cn）采访人员专访时曾表示 ， 开源实际上是一个协同的研发 ， 让各行各业的人用 ， 其实也是接受各行各业的评审 。 “解决方案都是一个不断融合的过程 ， 融合的过程中一定会有很多频繁地从实践中抽象问题、解决问题 ， 再反作用于实践的这样的一个迭代的过程 ， 我们也是希望通过开源社区能够快速地把事情做好 。 ”
推荐阅读
- 产品|泰晶科技与紫光展锐联合实验室揭牌
- 空间|（科技）科普：詹姆斯·韦布空间望远镜——探索宇宙历史的“深空巨镜”
- 相关|科思科技：无人机地面控制站相关设备产品开始逐步发力
- 机身重量|黑科技眼控对焦23年后回归，升级！ 江一白解读EOS R3
- 公司|科思科技：正在加速推进智能无线电基带处理芯片的研发
- 项目|常德市二中2021青少年科技创新大赛再获佳绩
- 视点·观察|科技巨头纷纷发力元宇宙：这是否是所有人的未来？
- 技术|聚光科技旗下临床质谱仪获批医疗器械注册证
- 视点·观察|科技股连年上涨势头难以持续：或已透支未来涨幅
- 视点·观察|科技行业都在谈论“元宇宙”，可是它还不存在