AI一小時預測出奧密克戎變體結構,誤差僅半個原子直徑
金磊 發自 凹非寺
量子位 報導 | 公眾號 QbitAI
就在這兩天,“天津迎戰新冠變異病毒奧密克戎 (Omicron)”引發了高度關注。
奧密克戎最早發現於南非,並且席捲了大半個世界,在被發現時已經傳播三代。
天津作為此次防疫“主戰場”,截至昨日12時,已經累計97例陽性。
抗擊疫情,刻不容緩。
而與此同時,全球科學家對奧密克戎的研究也沒有停滯。
來自北卡羅來納大學夏洛特分校的Colby Ford研究團隊,便在近日釋出了其最新研究成果:
利用AI技術,幾乎準確地預測了奧米克戎的複雜結構。
他們的工作可以說是“站在巨人的肩膀上”,具體而言,就是利用 AlphaFold2和RoseTTAFold,由此預測出了3D蛋白質結構。
在論文中,Ford對研究結果是這樣總結的:
奧密克戎受體結合域(RBD)的一些結構變化,可能會減少抗體相互作用,但不會完全避開現有的中和性抗體。
簡單來說,就是現有疫苗對奧密克戎病毒有用,但由於其結構的改變,降低了抗體的識別能力。
這就能解釋,為何現有的奧密克戎感染病例中有已經打過疫苗的患者了。
但這項研究所提供更深遠的意義,正如《連線》雜誌評價的那樣:
可以為未來的藥物指明方向。
AI一小時預測奧密克戎結構
關於這項研究,還得追溯到去年的11月27日。
當日凌晨,世衛組織將這個新冠“最兇變種”正式命名為Omicron。
而就在第二天,不列顛哥倫比亞大學(UBC)的Sriram Subramaniam 便火速下載了釋出在網上的基因序列組,還安排把奧密克戎的DNA 樣本運送到實驗室中。
他們想採用的方法是透過顯微鏡來揭示奧密克戎的蛋白質3D結構。
與此同時,Colby Ford也在密切關注著這件事情。
也是在世衛組織正式命名的前後腳,他嘗試用免費的AI軟體,從奧密克戎基因組編碼的氨基酸序列中預測其結構。
僅僅1小時之後,Ford便得到了他的第一個結果,並且很快將它們釋出到了網上。
Subramaniam則是在12月21日,發表了他們透過顯微鏡得到的結果。
最終結果表明,Ford用AI技術預測的2個蛋白質結構中,有一個被證明是與Subramaniam真實觀測結果高度接近——
中心原子的位置誤差只有約半埃(大約是氫原子的半徑)。
不過Ford認為,對於新冠這類病毒,研究上的時效顯得格外重要,畢竟其傳播的兇猛程度也是有目共睹的。
至於Ford所採用的AI方法,也正如剛才提到的,是基AlphaFold2和RoseTTAFold。
整體而言,他的研究主要包含三大方面。
第一步,是監測變種 (VBM)和關切變種 (VOC)的序列比較。
Ford團隊下載了新冠病毒的參考基因組,以及各種VOC和VBM的前100個全基因組序列。
對這些基因組再進行一個“對齊”和“修剪”的工作,最終留下了1026條序列。
基於此,Ford對這1026條序列進行“註釋”,再根據序列相似性確定了該序列上的受體結合基序。
然後,他們用MEGA11.0.10版計算每對序列之間的成對p-距離,再使用標準翻譯表將尖峰蛋白的這個變體核苷酸序列翻譯成氨基酸。
最終對該序列進行修剪,使其只包含穗狀蛋白的RBD(第319至541位)。
第二步,是RBD的結構預測。
Ford在這一步中,基於上面得到奧密克戎衍生RBD氨基酸序列,使用AlphaFold2和RoseTTAFold建立了預測的3D蛋白質結構。
基於AlphaFold2的預測,是在 “單一序列 “模式下使用PTM方法(predicted TM-score)執行。
而基於RoseTTAFold的預測,則是用 “mmseqs2 “模式執行的。
這兩個系統都產生了奧密克戎的預測RBD結構,以及圍繞多序列比對覆蓋率、預測比對誤差(PAE)和預測置信度(pLDDT)等指標。
第三步,是 中和抗體相互作用模擬。
在這個步驟中,Ford團隊基於上面得到的奧密克戎RBD預測結構,模擬了與四個現有中和抗體結構的相互作用(分別為C105, CC12.1, CC12.3, and CV30)。
在這個過程中,他們只使用抗體結構的一個單片段抗原結合(Fab)區域,作為對接的位置。
接下來,他們用到了生物分子建模軟體HADDOCK,來預測RBD表位與中和抗體結構的副體之間的結合親和力。
最後,Ford團隊將實際複合物(即真正的RBD結構和Fab)與奧密克戎的預測RBD結構(有相同的Fab)的指標進行了比較。
……
而從實驗結果上來看,現有的中和抗體可能仍然會與奧密克戎變異的突變刺突蛋白結合。
然而,與參考RBD結構相比,奧密克戎的RBD對中和抗體的親和力似乎降低了。
AlphaFold2和RoseTTAFold的結果都表明,以前感染的抗體至少會對奧密克戎提供一些保護。
而也正因如此,加之此次奧密克戎患者的症狀並沒有此前德爾塔那般嚴重,許多人都把它比作“大號感冒”。
但事實是否真的如此呢?
張伯禮:奧密克戎並非“大號感冒”
也就在天津這兩天天津疫情被高度關注之際,國內專家已經站出來對“大號感冒”的說法做出瞭解釋。
國家傳染病醫學中心主任張文宏認為:
對於已經獲得免疫力的人來講,它是個“大號流感”。
如果你的免疫力不夠強大,奧密克戎不是“大號流感”;如果沒有很好的醫療資源,奧密克戎是會“咬人”的。
中國工程院院士張伯禮也表示:
奧密克戎和“大號流感”並不一樣,在國外大概有百分之五六十的病人出現了持續症狀或後遺症,但一般的流感不會出現這麼多。
而就在最近,世衛組織也對奧密克戎發出警告,稱“儘管其毒性可能較弱,但不能低估了它”。
甚至還做出了“或在6到8周內感染半數以上歐洲人”的預測。
因此,做好防疫措施依然是重中之重。
對此,汕頭大學病毒學專家常榮山建議,“沒有準備N95或KN95口罩的天津市民,外出時應當戴雙層外科口罩,或在布口罩外面套戴一個外科口罩增強密閉性”。
他表示:
疊加兩個口罩的保護效果為90%,即可以減少90%的傳染機率,而單個口罩的效果則為70%。
參考連結:
[1]
[2]
[3]
來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/69971123/viewspace-2852148/,如需轉載,請註明出處,否則將追究法律責任。
相關文章
- math: 車輛轉彎半徑/akerman結構轉彎半徑
- 整個元素週期表通用,AI 即時預測材料結構與特性AI
- AI之父:大模型不僅僅是預測下一個符號AI大模型符號
- Nature子刊,優於AlphaFold,全原子取樣,一種預測肽結構的AI方法AI
- 史丹佛大學:Apple Watch心率監測誤差僅為2.5%APP
- AI降噪軟體的出現,不僅僅要終結手機雙麥克風時代AI
- AI能預測婚姻結果?AI
- Origin2024如何繪製誤差棒圖?直觀看出每個資料點的誤差
- AI 預測蛋白質結構「GitHub 熱點速覽 v.21.29」AIGithub
- 時間序列結構變化分析:Python實現時間序列變化點檢測Python
- 比較兩個的表結構差異
- 超越AlphaFold3,OpenAI投資的AI生物初創釋出Chai-1,分子結構預測新SOTAOpenAI
- IDC:預計2024年AI PC出貨量僅佔3%AI
- box-shadow 模糊半徑與擴充套件半徑套件
- 如何輸出結構體結構體
- 奇怪的Js時間計算方法,跨多個月後出現1天的誤差JS
- js預設一個月時間差的時間段效果詳解JS
- 手機QQweb React同構直出優化總結WebReact優化
- 不懂AI、不會編碼?如何輕鬆拿捏AlphaFold準確預測蛋白結構AI
- Oracle客戶端非預設路徑安裝出現的錯誤Oracle客戶端
- 德勤預測:6項改變商業結構的資料分析趨勢
- 樹的直徑
- AI大模型已經出現不可預測的能力AI大模型
- AI預測世界盃比賽結果,驚掉下巴!AI
- 中國科學院核聚變最新進展,AI 加速等離子體引數預測AI
- 阿里達摩院又火了!引入AI確診肺炎提速16倍,僅需半小時!網友神回覆了阿里AI
- ant構建時出現錯誤解決方案
- [Tomcat原始碼系列]結構解析 1)總體結構預覽Tomcat原始碼
- 怎麼改變spyder預設工作路徑
- 兩個時間戳的時間差時間戳
- 結構化資料、半結構化資料和非結構化資料
- AI 在用 | 花半小時,你也能主演《龍貓》AI
- Origin2024中如何新增誤差帶?直觀檢視資料的變化範圍
- 一小時的時間,上手 WebpackWeb
- JVM結構-記憶體結構(執行時資料區)JVM記憶體
- 計算兩個時間差
- 我用這個 AI 工具生成單元測試,簡直不要太爽!AI
- 比較兩個資料庫的表結構差異(轉)資料庫