• 導航菜單

    改進的深度學習算法揭示了變形蛋白的功能

    使用旨在模擬人腦內部工作原理的人工神經網絡,深度學習算法可以巧妙地細讀和分析大量數據。將這種技術應用于科學問題可以幫助挖掘歷史上難以捉摸的解決方案。Fs肽的分子動力學模擬表明,在蛋白質折疊過程中至少存在八個不同的中間階段。該圖像描繪了一個完全折疊的螺旋線(1),各種過渡形式(2-8)和一個錯誤折疊的狀態(9)。通過研究這些蛋白質折疊途徑,科學家們希望找出影響人類健康的潛在因素。

    這樣的挑戰之一涉及稱為蛋白質折疊的生物物理現象。盡管研究人員知道蛋白質必須通過此過程才能變形為特定的3D形狀才能正常運行,但初始展開狀態和最終折疊狀態之間的中間階段的復雜性對于最終目的至關重要,而且難以表征。

    能源部(DOE)橡樹嶺國家實驗室(ORNL)的研究人員采用了一套深度學習技術來識別和觀察這些臨時但值得注意的結構。他們 在BMC生物信息學中發表了他們的發現 。

    通過研究三種不同蛋白質(即Fs肽,villin頭部片段和BBA)的折疊途徑,研究人員在計算上比較了多種蛋白質折疊機制。他們依靠從其他研究小組獲得的數據集,這些研究小組進行了廣泛的模擬來檢查這些途徑。在每種情況下,CVAE都揭示了許多中間階段,可作為“指導”,以幫助團隊從頭到尾導航折疊過程,同時觀察蛋白質行為的潛在方面。

    “我們采用了運行MD模擬所編譯的蛋白質折疊軌跡,并將其輸入到深度學習網絡中,該網絡會自動發現各種蛋白質的相關指南,”負責這項工作的前ORNL研究人員Arvind Ramanathan說。

    ORNL計算科學家Debsindhu Bhowmik補充說:“這些相關路標是從高維折疊軌跡中完全不受監督地挑選出來的,從而只選擇了對該特定系統重要的生物物理相關特征。”蛋白質系統。

    Ramanathan將這種確定過渡蛋白狀態的能力與選擇從一個區域到另一個區域的邏輯進站的駕駛員進行了比較。

    Ramanathan說:“如果您要從東田納西州的諾克斯維爾一直行駛到西田納西州的孟菲斯,那么自然的停車點就是納什維爾。” “就像您可以采用多種不同的途徑來到達公路目的地一樣,蛋白質也可以通過多種不同的途徑折疊成最終的形狀。”

    但是,即使這些折疊途徑發生最微小的變化,也可能導致蛋白質“錯誤折疊”為功能失調的形狀。折疊錯誤通常被認為是包括阿爾茨海默氏病,心血管疾病和糖尿病在內的疾病發展的主要因素。

    Ramanathan說:“蛋白質的整體形狀決定了它的功能,因此某種形狀的微小擾動會產生錯誤折疊的蛋白質,并導致嚴重的醫療狀況。”

    憑借這種區分正確折疊和錯誤折疊的蛋白質的能力,研究人員可以進一步了解蛋白質錯誤折疊的原因,其他因素如何導致致命疾病的發展以及最有可能預防或治愈它們的治療方案。例如,鑒定特定蛋白質中有問題的位點可能表明需要種植結合劑或藥物來改變該蛋白質的行為。

    要實現這一目標,將需要越來越精確的技術,該團隊希望通過在NVIDIA DGX-2 盒子上對多種機器學習算法進行建模來開發這些技術,從而使 計算系統能夠實現新穎的人工智能應用。DGX-2最近安裝在ORNL的科學計算和數據環境(CADES)中,該數據庫為ORNL員工提供了完成數據密集型項目所需的基礎設施和專業知識。

    研究人員專注于優化強化學習算法,該算法無需預先培訓即可執行任務,然后穩定地從經驗中學習,以最大程度地提高回報并最大程度地減少負面結果。一個著名的例子是Google的AlphaGo計算機程序,在棋盤游戲Go中擊敗了一位世界冠軍。類似的強化學習算法也被嵌入到街機和控制臺視頻游戲中,該團隊計劃出于科學目的定制此方法,包括收集和解釋蛋白質折疊數據。

    Ramanathan說:“引導MD模擬的一種方法是使用這些強大的強化學習技術,但要使它們適應這些類型的模擬,則需要大量的工作和計算能力。”

    為了改進算法,團隊必須優化超參數,這些超參數是在算法開始做出決策之前設置的參數。團隊可以同時在DGX-2上運行多種算法,從而使團隊能夠快速編譯用于開發HyperSpace的數據,HyperSpace是一種專用軟件包,可簡化和簡化超參數優化的過程。

    研究人員在2018年高性能機器學習研討會上介紹了這項工作,這是一年一度的盛會,機器學習,人工智能和高性能計算專家齊聚一堂,討論經驗并分享專業知識。

    “我們發現,對于諸如深度學習算法,卷積神經網絡和強化學習算法之類的各種機器學習算法,HyperSpace相當成功,并且優于同類模型,” Ramanathan說。

    現在,科學家們正在構建可擴展的工作流程,以使未來涉及蛋白質折疊和其他生物學現象的研究受益,他們計劃在Summit上研究其中的一些現象。

    Ramanathan說:“盡管到目前為止,我們主要集中在蛋白質折疊上,但我們仍在積極探索其他問題,例如兩種分離的蛋白質如何相互作用。”

    ORNL的實驗室指導研究與開發計劃為該項目提供了支持。HyperSpace軟件的開發是Exascale計算項目支持的CANcer分布式學習環境項目的一部分。

    鄭重聲明:本文版權歸原作者所有,轉載文章僅為傳播更多信息之目的,如作者信息標記有誤,請第一時間聯系我們修改或刪除,多謝。

    美女被强吻胸视频