中国科学院计算技术研究大数据研究学院

员工活动 | 邮箱登录 | 加入收藏
 
科研成果 当前位置: 网站首页 » 科研成果 » 科研成果
2022 0422
科研成果丨基于AI的高精度蛋白质结构预测及设计服务器平台
信息来源:数研院  浏览量:209
成果-官网配图.jpg



1. 成果定位


       支撑AI深度学习赋能癌症个体化免疫治疗、抗体设计及从基础研究到生物医药研发的跨越。



2. 产品介绍


       2005年,《Science》杂志将蛋白质结构预测列为125个人类最重要的未解科学问题之一;2022年1月,两院院士投票评选“科学家借助AI技术破解蛋白质结构预测难题”位列2021年世界十大科技进展榜单第三位;2022年1月,《Nature》杂志有望改变2022年科学进程的7大前沿技术,“蛋白质结构解析”位列第二位。


       FALCON2包括从头预测算法ProFOLD、基于模板的预测方法ProALIGN,ProFOLD采用了一种新型的神经网络CopulaNe,可从MSA直接预测蛋白质残基间距离,克服了“信息丢失”缺陷问题。在CASP13测试集上,ProFOLD达到了0.7的预测精度,优于AlphaFold,相关科研成果在国际Nature 子刊Nature Communications发表。


       李明院士指导团队将研究重点放在抗体和TCR结构上,主要问题是改进CDR3区域预测,此区域没有contacts无法用AlphaFold预测、MSA方法做结构,研究得出初步结果,从AlphaFold的3A改进至1.5A。


640.png


3. 应用领域


       2017年,个体化新抗原发现成为一个未解难题,世界主流科学界认为,应直接从癌细胞表面直接提取新抗原,用质谱仪测序,以人工智能预测新抗原的免疫原性,代替传统湿实验室。


       为解决这个问题,李明院士团队连续发表了1篇Nature Methods、2篇Nature Machine Intelligence、1篇PNAS文章,首次在全球范围内将深度学习法引入蛋白组学。李明院士 DeepNovo 革命性地改进了质谱仪从头测序精度,成为世界标杆。


640 (1).png

DeepNovo改进了质谱仪从头测序精度



640 (2).png

个体化新抗原测序技术提高了新抗原寻找的精度


       测序问题基本被解决之后,需解决测试新抗原免疫原性的问题。免疫原性来自于新抗原、MHC-I、以及TCR的结合,要依赖于MHC-I和TCR的蛋白结构。李明院士团队将相关技术进一步提高,将完全解决《Nature》杂志5年前提出的挑战,为人类战胜癌症提供一个关键且大幅降低成本的实用技术。


       李明院士办公室团队已与郑州大学(郑大国家超算郑州中心牵头,协同郑大一附院生物细胞治疗中心、郑大信工院、郑大先进院等)达成硕博后高端跨学科人才培养及科研等合作意向,将产生一个崭新的跨学科专业:人工智能在生物科学及医疗中的应用。新成果将在国际一流学刊上发表,对双一流高校建设起到重要推进作用。


QQ截图20220422161438.jpg







豫ICP备19023555号-1 】@ 中科大数据研究院 版权所有
1.046022s