中国科大实现人工智能预测蛋白质光谱特性 计算量降低上万倍!

  • 时间:
  • 浏览:4
  • 来源:极速快3网投平台-极速快3投注平台_极速快3娱乐平台

蛋白质是生命的基石,蛋白质的光谱响应信号,尤其是紫外光谱,可不前要称之为蛋白质骨架的“指纹”。这人 “光学指纹”,经过理论模拟的解读,可不前要揭示出精确的蛋白质特征,为生命科学和医学诊断提供极其重要的信息。日前,中国科大微尺度物质科学国家研究中心江俊教授与其战略合作合作,通过利用人工智能机器学习中的神经网络技术,模拟了蛋白质肽键特征与性质之间的构效关系,将计算量一下降低了上万倍。这是人工智能技术首次用于理论计算预测蛋白质的光谱研究,为预测蛋白质的光学特征提供了本身生活高效的工具。相关成果日前发表在《美国科学院院报》上。

蛋白质是生命的基石,生物的功能依赖于既稳定而又灵活可变的蛋白质特征。然而,蛋白质的特征极其僵化 多变,前要做几瓶的高精度的量子化学理论计算。如果计算量太满,即使是最厉害的超级计算机也“吃不消”。就说蛋白质光谱的理论解读是另俩个长期的困难与挑战,限制了光谱的准确分析和蛋白质特征的发现。

为何样在光谱理论模拟中防止太昂贵的量子化学计算,解读蛋白质骨架的 “光学指纹”,是另俩个重要的科学课题。而近年来,人工智能技术被广泛的应用到各个领域,用于大幅度降低僵化 体系的计算量。

中国科学技术大学微尺度物质科学国家研究中心江俊教授,与中科大罗毅教授和美国加州大学尔湾分校Shaul Mukamel教授合作,通过利用人工智能机器学习中的神经网络技术,模拟了蛋白质肽键特征与性质之间的构效关系,将计算量一下降低了上万倍。研究人员首先在200K温度下通过分子动力学模拟以及量子化学计算,得到了五万组不同构型的肽键模型分子。通过机器学习算法筛选出键长、键角,二面角跟电荷信息作为描述符,通过神经网络来构建肽键基态特征与其激发态性质之间的构效关系。基于训练好的机器学习模型,预测出了肽键的基态偶极矩及激发态性质,最后预测出肽键的紫外吸收光谱。为了验证机器学习模型的鲁棒性,研究人员又基于200K的温度下得到的机器学习模型,预测出肽键在200K以及200K温度下的紫外吸收光谱,其结果与时间密度泛函理论计算结果达到很好的吻合。

这是人工智能技术首次用于理论计算预测蛋白质的光谱研究。通过理论计算得到几瓶数据,使用人工智能加以训练后,确立了机器学习模拟蛋白质肽键骨架紫外吸收光谱的可行性和优势,蛋白质的“光学指纹”解读也如果变得更加轻易和有效。

江俊课题组近些年致力于发展机器学习技术在量化领域的应用,努力探究使其成为防止量化问題的本身生活重要工具。相关成果以“A Neural Network Protocol for Electronic excitations of N-Methylacetamide”为题发表在《美国科学院院报》(Proceedings of National Academy of Science, DOI:10.1073/pnas.1821044116)。相关工作得到了国家自然科学基金、中国科学院先导项目的资助,该论文第一作者为博士生叶盛与博士后胡伟、李鑫,江俊与Shaul Mukamel为同去通讯作者。