蛋白質(zhì)結(jié)構(gòu)預(yù)測一直是“21世紀(jì)的生物物理學(xué)”最重要的課題之一，北京昌平實(shí)驗(yàn)室聯(lián)合伙伴基于全場景AI框架“昇思MINDSPORE”開發(fā)的蛋白質(zhì)結(jié)構(gòu)預(yù)測模型在CAMEO競賽拿下第一并霸榜四周，填補(bǔ)了中國AI基礎(chǔ)軟硬件在蛋白質(zhì)結(jié)構(gòu)預(yù)測領(lǐng)域成績的空白。

國家實(shí)驗(yàn)室是國家組織開展基礎(chǔ)研究和應(yīng)用基礎(chǔ)研究、培養(yǎng)優(yōu)秀科技人才、開展高水平學(xué)術(shù)交流、具備先進(jìn)科研裝備的重要科技創(chuàng)新基地，是國家創(chuàng)新體系的重要組成部分。經(jīng)過30多年的建設(shè)發(fā)展，已成為孕育重大原始創(chuàng)新、推動(dòng)學(xué)科發(fā)展和解決國家戰(zhàn)略重大科學(xué)技術(shù)問題的重要力量。

沐光而行

打造世界一流生命科學(xué)創(chuàng)新高地

2020年10月24日，昌平實(shí)驗(yàn)室正式掛牌成立。昌平實(shí)驗(yàn)室聚焦生命科學(xué)原始創(chuàng)新和國家重大需求，開展戰(zhàn)略性、前瞻性、基礎(chǔ)性科學(xué)技術(shù)研究，其關(guān)鍵科學(xué)任務(wù)和重點(diǎn)布局包括新發(fā)突發(fā)及重大傳染病、腦科學(xué)與腦疾病、前沿技術(shù)與基礎(chǔ)研究、人工智能與生物醫(yī)藥等，力爭打造世界一流生命科學(xué)創(chuàng)新高地。

踏上征程，追尋中國版AlphaFold

近半個(gè)世紀(jì)以來，蛋白質(zhì)結(jié)構(gòu)預(yù)測一直被譽(yù)為“21世紀(jì)的生物物理學(xué)”最重要的課題之一。蛋白質(zhì)在分子生物學(xué)的中心法則中具有十分重要的地位，在各種生命過程中不可或缺。蛋白質(zhì)的功能多樣性歸因于它們能夠從線性高分子形狀折疊成獨(dú)特而多樣的三維結(jié)構(gòu)形態(tài)，在阿爾茨海默病中它們會(huì)折疊和聚集，在囊性纖維化中它們會(huì)進(jìn)入細(xì)胞中錯(cuò)誤的空間，這些僅是眾多致病機(jī)制中的一小部分。因此，準(zhǔn)確、快速的蛋白質(zhì)結(jié)構(gòu)預(yù)測不僅可以在學(xué)術(shù)研究領(lǐng)域幫助科學(xué)家 快速獲得或驗(yàn)證關(guān)鍵蛋白結(jié)構(gòu)，促進(jìn)人們對(duì)重要生命過程中分子機(jī)理的理解，而且可以在醫(yī)療健康和生物工程領(lǐng)域作為有利工具，引發(fā)藥物靶點(diǎn)發(fā)現(xiàn)和功能蛋白設(shè)計(jì)等。

蛋白質(zhì)構(gòu)象數(shù)量巨大，計(jì)算過程十分復(fù)雜，通過AI對(duì)蛋白質(zhì)結(jié)構(gòu)進(jìn)行預(yù)測一直未能取得實(shí)質(zhì)性突破，獲取蛋白質(zhì)空間結(jié)構(gòu)的方法仍以傳統(tǒng)的實(shí)驗(yàn)室手段為主，如X-ray、核磁共振和冷凍電鏡等，單個(gè)蛋白質(zhì)的觀測成本高達(dá)數(shù)月及數(shù)百萬人民幣，而且無法預(yù)測精確的三維結(jié)構(gòu)，很難直接通過它們?nèi)ヌ剿髡麄€(gè)“蛋白質(zhì)宇宙”。

2020年，谷歌DeepMind團(tuán)隊(duì)發(fā)布了基于人工智能的蛋白質(zhì)結(jié)構(gòu)預(yù)測工具AlphaFold2。AlphaFold2僅通過氨基酸序列就能以前所未有的準(zhǔn)確度預(yù)測蛋白質(zhì)三維結(jié)構(gòu)，彌補(bǔ)了傳統(tǒng)蛋白質(zhì)結(jié)構(gòu)預(yù)測方法一直存在的計(jì)算精度不足的缺陷，開啟了計(jì)算生物學(xué)的新時(shí)代。自此，我國學(xué)術(shù)界也踏上追尋中國版AlphaFold的道路，這條路雖布滿荊棘，但也終會(huì)迎來突破與創(chuàng)新。

乘風(fēng)破浪，依托昇騰AI打造蛋白結(jié)構(gòu)預(yù)測工具

昌平實(shí)驗(yàn)室著眼于解決國家乃至全人類面臨的重大挑戰(zhàn)，率先扛起大旗，選擇與北京大學(xué)、深圳灣實(shí)驗(yàn)室以及華為共同合作，在中國算力網(wǎng)智算網(wǎng)絡(luò)關(guān)鍵節(jié)點(diǎn)“西安雁塔人工智能創(chuàng)新發(fā)展中心”的昇騰AI強(qiáng)大算力支持下，在全場景AI框架昇思MindSpore上推出了全流程蛋白質(zhì)結(jié)構(gòu)預(yù)測工具M(jìn)EGA-Protein。

MEGA-Protein包含AI MSA引擎、蛋白質(zhì)折疊訓(xùn)練推理流程、蛋白質(zhì)結(jié)構(gòu)打分、蛋白質(zhì)結(jié)構(gòu)預(yù)測數(shù)據(jù)集PSP等關(guān)鍵技術(shù)。該方案通過借助華為智算與實(shí)驗(yàn)室行業(yè)解決方案中的異構(gòu)計(jì)算架構(gòu)CANN（ Compute Architecture for Neural Network）釋放昇騰AI的澎拜算力，借助軟硬件協(xié)同優(yōu)化大大提高了蛋白質(zhì)預(yù)測的計(jì)算效率；還能夠在MSA少樣本甚至零樣本的情況下，幫助AlphaFold2維持甚至提高推理精度，突破在“孤兒序列”、“高異序列”和人造蛋白等MSA匱乏場景下無法做出準(zhǔn)確預(yù)測的限制。

參考DeepMind于2021年7月份開源的蛋白質(zhì)結(jié)構(gòu)預(yù)測模型Alpha Fold2，本次開源的蛋白質(zhì)結(jié)構(gòu)預(yù)測推理工具模型部分與其相同，在多序列比對(duì)階段，采用了MMseqs2進(jìn)行序列檢索，相比于原版算法端到端運(yùn)算速度有2-3倍的提升，混合精度下，單步迭代由20秒縮短至12秒，性能提升 超過60%。訓(xùn)練長度由384提升至512。

CAMEO競賽（Continous Automated Model Evaluation）是全球蛋白質(zhì)結(jié)構(gòu)預(yù)測領(lǐng)域最權(quán)威的比賽之一。2022年4月，基于全場景AI框架昇思Mindspore開發(fā)的蛋白質(zhì)結(jié)構(gòu)預(yù)測模型在CAMEO拿下競賽第一，并連續(xù)霸榜四周！

步履不停，科技強(qiáng)國

這款基于昇騰AI的蛋白結(jié)構(gòu)預(yù)測工具的出現(xiàn)不僅填補(bǔ)了中國AI基礎(chǔ)軟硬件在蛋白質(zhì)結(jié)構(gòu)預(yù)測領(lǐng)域成績空白，還大大降低了廣大生物醫(yī)療實(shí)驗(yàn)工作者的使用門檻，后續(xù)也將為 生物蛋白質(zhì)領(lǐng)域的基礎(chǔ)研究與應(yīng)用工作提供持續(xù)助力。昇思MindSpore首席架構(gòu)師金雪鋒評(píng)論稱：“該工作是產(chǎn)學(xué)界合作的一次重大成功實(shí)踐，也是科學(xué)計(jì)算與人工智能結(jié)合潛力的展示。支持多計(jì)算范式的MindSpore能夠有效提高科研工作的生產(chǎn)力，大幅度提升科學(xué)計(jì)算場景的性能?！?/p>

自從合作以來，除了“蛋白質(zhì)結(jié)構(gòu)預(yù)測”工具的聯(lián)創(chuàng)，昌平實(shí)驗(yàn)室與華為持續(xù)在其它多個(gè)項(xiàng)目取得突破性成果。而在未來，也必將有更多學(xué)術(shù)科研界合作伙伴牽手華為，用創(chuàng)新ICT技術(shù)共同推進(jìn)基礎(chǔ)研究與應(yīng)用研究融通發(fā)展，為建設(shè)世界科技強(qiáng)國提供有力支撐。