谷歌|128张GPU炼出中国版AlphaFold2：训练代码开源，浏览器就可体验( 三 )

最近，深势科技与宁德时代达成战略合作，双方将共建联合实验室，以计算驱动能源材料设计研发。

文章插图
计算生物热潮这时候推出Uni-Fold，倒也并不是心血来潮，而是聚集了天时地利人和，选择谋定而后动。
这当中既有现实需求的驱动，也有行业大势的推动。
对深势自身而言，过去一直致力于以AI+物理模型驱动方式为行业创造价值。
简单来说，就是以第一性原理的方式，将实际面临的问题或场景演化为定义明确的物理模型。
像蛋白质的结构以及构象变化、配体与蛋白质的相互作用 (包括亲和力与动力学参数的评估）、以及药物分子晶型和剂型的溶解度等这些药物研发过程中的关键问题，都可以用物理化学模型进行定义。
这些问题对应到药物设计平台Hermite上，就是诸如药物优化模块Uni-FEP、蛋白动力学采样与结构优化模块RiD这类的功能环节。
在推出Uni-Fold之前，Hermite就已经开启商业化进程，被多家药企研发人员使用。
而Uni-Fold——作为药物设计的第一环的身份出现，直接为Hermite填补了数据驱动引擎。
它有助于深入了解生物机制，随后将更多“黑盒子”问题转变为物理问题。
中科院院士、北京大学教授、深势科技首席科学顾问鄂维南评价道：
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。
事实上放眼整个行业，计算生物正在引领一场科技革命。
其核心代表就是以AlphaFold2为代表的新型蛋白质结构预测技术。
【谷歌|128张GPU炼出中国版AlphaFold2：训练代码开源，浏览器就可体验】利用原有的实验手段（比如，冷冻电镜、X光晶体衍射等）可能需要经年累月的研究，才能解析一个蛋白质结构，而利用计算结构模型最快只需要10分钟。
而若再向前推进，到应用端——生物医药领域，新药研发的效率有望大幅提高；科学家能借助AI系统设计出自然界不存在的蛋白质，催生各种新材料，用于能源、化工、环保等行业。
因此，选择在这时候完整复现AlphaFold2，并将其开源、开放给更多的研发人员，无疑是最快实现物尽其用、创造价值的方式之一。
在人们固有的印象中，以往生命科学的研究思路都是由表及里、从现象到本质。
当中也有不少科学家身先士卒，从本质出发探索微观分子世界，但始终受限于实验工具、设备等外在条件。
直到人工智能的出现，更多自下而上的问题逐步得到解决。
算力、算法的发展能够真正缩短理论研究与解决实际问题之间的距离。
鄂维南院士曾在多个场合呼吁：“科学是人工智能下一个主战场。”
AI+Science的范式，价值已经显现。
而深势科技，正是站在这一科技潮头上的先行者。
— 完 —
量子位 QbitAI · 头条号签约