AI4S - 蛋白质 PDB 序列 与 标准氨基酸 的差异 教程

是DeepMind开发的AlphaFold项目的一个扩展，旨在预测蛋白质多聚体的三维结构。蛋白质多聚体是由多个蛋白质亚单位相互组装而成的结构，如酶、膜蛋白复合物和病毒颗粒。理解多聚体的结构对于揭示蛋白质的功能和相互作用非常重要。

Alphafold2（AF2，二狗）发布以后，一大堆科学家把这个人类历史上最高精度的蛋白质预测模型当起了玩具，并且把大家的新发现发在了推特上（open science 的形式）。其中一个最重要的发现是他们发现AF2虽然是在单体上进行的训练，却没有能力进行复合物的预测。在open science的召唤下，deepmind团队在2021年10月6号上线了Alphafold-multimer，一款针对复合物进行重新训练的神经网络。...

使用conda安装本地版alphafold-mutimer并使用，预测蛋白互作模型，介绍GPU支持的软件包安装顺序。

Alphafold2本地部署常见的有两种方式：一、构建Docker镜像；二、Conda部署。尝试了一下第一种方法碰到了无法运行（不报错，但不执行计算）的问题，加上对Docker不熟悉，所以放弃，转而选择第二种。安装硬件设备：CPU: 64核磁盘: 4T系统: Ubuntu18.04RAM: 64G显卡：NVIDIA GV102CUDA版本： 11.7显卡驱动版本：515.43.04。

PDB 结构是用于描述蛋白质和核酸分子的三维结构的文件格式。PDB 结构文件包含了原子坐标、键长、键角、二面角等信息，以及分子的序列、注释和元数据，用专门的软件或网站进行可视化和分析，以了解分子的功能、相互作用和进化，也可以用于进行分子对接、模拟和设计等计算生物学研究。其中，算法预测或者官方提供的 PDB 文件，有时格式存在一些问题，导致无法进行后续分析，因此，需要标准化 PDB 格式。

Protein Data Bank (PDB) 是一个收集和存储三维结构数据的公共数据库，主要包括蛋白质和核酸分子。PDB 由美国、欧洲和日本三个机构共同管理，每周更新一次。PDB 的目的是为生物学、生物化学、生物物理学和医学等领域的研究者提供结构信息，促进科学发现和教育。PDB 的数据可以通过网站、FTP 服务器或应用程序接口 (API) 免费获取，也可以通过各种工具和服务进行可视化、分析和下载。

ESM Metagenomic Atlas 数据集是一个包含了来自不同环境样本的微生物基因组序列的大型数据库。该数据集的目的是为了探索微生物的多样性和功能，以及它们与环境因素的相互作用，使用了高通量测序技术，对来自全球各地的土壤、水、空气等样本进行了深入的分析，该数据集为微生物生态学和环境科学提供了一个宝贵的资源。

本文汇总了AlphaFold和AlphaFold-multimer等蛋白结构推理预测中，不同蛋白结构预测模型的评价指标。供大家参考。

2021SC@SDUSC 写下前面:之前是在Google Colab中运行的简化版本的代码，今天看一下AlphaFold2源码中写的运行程序 一、运行 AlphaFold 运行 AlphaFold 的最简单方法是使用提供的 Docker 脚本。这是在 Google Cloud 上使用nvidia-gpu-cloud-image 具有 12 个 vCPU、85 GB 内存、100 GB 启动磁盘、额外 3 TB 磁盘上的数据库和 A100 GPU 的机器进行测试的。 1.克隆这个存储库并cd放入其中。 g

小分子化合物、蛋白质、核酸之间的关联是生命科学研究的一个重要领域，涉及到细胞功能的调控、信号传导的机制、疾病的发生和治疗等方面。因此，这些分子的 数据表征(Data Representation) 方式，作为深度学习算法的训练数据。

将 OpenFold 的分支切换至 multimer 分支，即可使用 Multimer 功能，目前是 Debug 版本，基本推理功能已经支持，MSA 部分支持使用 AF2 的推理结果，模型支持 DeepMind 提供的 Multimer v3 模型，其余使用 OpenFold 的相关源码。评估当前 OpenFold Multimer框架的有效性。

AlphaFold 3基于Transformer构建，允许科学家输入生物分子复合物的描述，能预测该生物分子复合物的3D结构，并使用扩散过程生成每个原子的单独3D坐标，输入到指定系统。标志着在这一领域的一个重大突破，其对生物分子结构及相互作用的全方位预测能力，预示着对人类健康和疾病治疗的深远影响。作为一个以整体方式计算整个分子复合物的单一模型，不仅可以预测蛋白质的结构，还可以预测几乎所有生命分子的结构，包括蛋白质、DNA、RNA、配体等对于蛋白质与其他分子类型的相互作用，从而能对药物发现带来至关重要的作用。

本文介绍了一种智能护眼语音台灯系统的设计与实现。该系统具备语音控制、超声波测距和距离报警三大功能，采用STM32F103C8T6单片机作为主控，搭配HC-SR04超声波模块和LU-ASR01语音识别模块。电路设计包含最小系统、测距、语音识别、按键设置和蜂鸣器报警模块。程序设计通过UART串口通讯实现功能整合，支持自定义距离阈值，当检测距离过近时会触发蜂鸣器报警，提醒用户保持适当距离，实现智能护眼功能。系统具有操作便捷、响应灵敏的特点。

其战略价值在于将人类从复杂的、多步骤的认知劳动中解放出来，极大提升知识工作的效率与创新上限，是迈向通用人工智能（AGI）的核心路径。它不再是“你问我答”的聊天机器人，而是能。Agentic AI 的发展正遵循典型的。Agentic AI 的终极目标是创建能。

正文详见：7.3 使用 LangChain 搭建本地 RAG 应用。

本文介绍了在Paddle3D中使用PETRv1模型进行3D物体检测的完整流程。首先通过Docker配置标准测试环境，安装Paddle3D并下载预训练权重。然后准备NuScenes迷你数据集，生成所需的注解文件。接着对原始模型进行精度测试，获取mAP、NDS等关键指标。最后将训练好的模型导出为推理格式，便于后续部署。文章详细说明了每个步骤的操作命令和参数含义，特别对精度测试结果中的各项指标进行了专业解读，帮助读者理解模型性能评估标准。整个流程涵盖了从环境搭建到最终模型导出的全链路操作，为3D目标检测任务提供了

本文提出了一种基于强化学习（RL）的机器人操作系统HIL-SERL，通过集成预训练视觉模型、样本高效算法和人机交互修正机制，可在1-2.5小时内完成复杂操作任务的训练。该系统在叠叠乐抽块、物体翻转、设备组装等任务中表现优异，平均成功率提升101%，执行速度提高1.8倍，显著优于模仿学习和传统控制方法。研究表明RL可直接在现实环境中高效学习视觉操控策略，为工业应用提供了新思路。