我们当时的方法叫“深度卷积残差神经网络”

时间：2022-06-30 17:28:11

我们当时的方法叫“深度卷积残差神经网络”。预测思路是，首先预测蛋白质里面两个氨基酸在空间中是靠得比较近还是离得比较远，再把它们的三维坐标重构出来。2016年暑假，我们发现这个方法可以大幅度地提高蛋白质三维结构预测精度，在那年秋天写成一篇论文贴到网上去，引起了领域内很多人的关注。

2016年前，当我们谈论蛋白质结构预测，通常意味着需要非常多的计算资源。那时候的科学家们通常用超级计算机去做蛋白质结构预测，只有少数几个研究组能够真正做到。即使这样，对于很小的蛋白质，预测成功率也非常低。

对不起，算命不论是AI的还是传统的都属于封建迷信，毫无技术可言，不在此讨论之列。经济形势预测和股票行情预测其实真的属于科技预测未来之列，只不过他们受外界突发情况影响的概率很大，所以过往的预测经常失败。这不能怪技术或预测人员，而只能是客观理性的认识到世事无常罢了！

他认为，真正对大量的蛋白质结构预测其作用的转折之年是2016年。在转向深度学习2年之际，许锦波开始用深度学习预测蛋白质的三维结构。而在此前的2年时间里，其团队以更为简单的问题入手，尝试预测蛋白质的二级结构，即肽链主链骨架原子的空间位置排布，不涉及氨基酸残基侧链。

我们2016年和2018年的算法都需要利用蛋白质的共进化信息。什么叫共进化信息？假如两个氨基酸在空间中靠得比较近，那么在进化过程中，它们就可能会同时进化，这种现象就叫共进化。但现实中，有些情况下蛋白质是没有共进化信息的，一种是人工设计的蛋白，它不是自然界存在的，也就没有共进化信息；另外一种情况就是蛋白质复合物，如果我们想预测两个蛋白质在空间中怎么结合，很多情况下是得不到两个蛋白质之间的共进化信息。所以我们需要能够在不使用共进化信息的情况下去预测蛋白质结构。

对于这种情况，本文实地考察了各家企业成长性不同的多年展现的成功案例，并介绍了自身的成功案例，以利对未来中国公司成长构想及经营预测的***理解。关注“两天互联网”与互联网时代的公司参与策略。2016年的24家公司都选择了通过互联网手段向公众提供互联网多元化商业模式。项目销售达到20亿，但现在仍然没有对这17年的价值评估进行任何努力。公司还是维持我们今年的预测。

标签：我们 网络