Chemistry Labs

Hoá sinh và hoá học y sinh

Dự đoán cấu trúc bằng AI (AlphaFold)

Hệ AI có thể suy luận cấu trúc protein từ mẫu trình tự, trình tự liên quan và quy luật cấu trúc-vật lý đã học.

1 THCS2 THPT3 Đại học4 Nâng cao5 Nghiên cứu

Trực giácTrực giác: ý tưởng cốt lõi

Hệ AI có thể suy luận cấu trúc protein từ mẫu trình tự, trình tự liên quan và quy luật cấu trúc-vật lý đã học.

Khám phá mô hình sơ đồ; hình minh hoạ khái niệm, không thay thế bằng chứng thực nghiệm.

Phổ thôngMức phổ thông: khái niệm chính và ứng dụng đầu tiên

Định nghĩa: Khái niệm cốt lõi

AlphaFold2 dùng thông tin tiến hoá và biểu diễn mạng nơ-ron với tinh chỉnh cấu trúc lặp. Chỉ số tin cậy như pLDDT phản ánh độ tin cậy mô hình, không phải chắc chắn thực nghiệm.

Mô hình học máy kết hợp đa đối trình tự, tín hiệu đồng tiến hoá và tiên nghiệm hình học. Hệ kiểu AlphaFold dự đoán cấu trúc trực tiếp từ trình tự và nay mở rộng sang phức hợp và phối tử.

Thuật ngữ và ý nghĩa
Thuật ngữDiễn giải
MSAĐa đối trình tự làm lộ các gốc tương quan.
pLDDTĐiểm tin cậy theo sai khác khoảng cách cục bộ dự đoán.
EvoformerMô-đun AlphaFold2 tinh chỉnh biểu diễn cặp và trình tự.

Ví dụ: Vận dụng

Một đoạn dự đoán có pLDDT 92 còn vòng linh động có pLDDT 48. Vùng nào được mô hình hoá cục bộ với độ tin cậy cao hơn?

Lời giải

Theo pLDDT, đoạn thứ nhất được mô hình hoá tin cậy hơn. Chỉ số này không cho biết trạng thái sinh học, phối tử, oligomer hay cấu dạng có đúng hay không.

Đại họcĐại học: mô tả định lượng

pLDDT∈[0,100]\mathrm{pLDDT}\in[0,100]

Chất lượng dự đoán thay đổi theo gốc, mất trật tự, trạng thái phối tử và bối cảnh oligomer. So sánh dự đoán với thực nghiệm cần đối chỉnh và diễn giải bất định phù hợp.

Nâng caoNâng cao: giả định và cơ chế chi tiết

Hệ hiện nay vượt ngoài chuỗi đơn tới phức hợp, phối tử và acid nucleic, nhưng độ tin cậy không đồng nhất và thẩm định vật lý vẫn thiết yếu.

Nghiên cứuBiên giới nghiên cứu: câu hỏi mở và thực hành hiện nay

Tài liệu tham khảo