Highly accurate protein structure prediction
AlphaFold2
- 这篇论文解决了什么问题
蛋白质的三级结构较难探寻，探测清楚蛋白质的三级结构需要复杂的工作。因此，通过计算机预测蛋白质的三级结构是一个巨大的难题。传统的利用人类已知知识预测蛋白质三级结构精度较低。因此，DeepMind利用神经网络来预测蛋白质结构。
- 这个问题为什么重要
蛋白质的三级结构蕴含着生物体内部交流的载体，是细胞层面交流语义的载体。靠着过去高通量的探测是极其困难的工作。
- 这篇论文使用什么方法解决的。
创新Evoformer和Structure module两个部分，实现了对蛋白质三级结构的预测和构建。
- 这个方法创新点在哪里。
过去常常是直接使用原始序列全通地进行，而AlphaFold将MSA和Pair进行交互，最终获得更精炼的信息。
这篇论文从事实上，揭示了哪些事实？
将一维的序列信息经过折叠包装，最终形成的三级结构。一个序列经过映射，最终形成了生物体之间交流的语义。从RNA -> 蛋白质的作用路径，是可以被神经网络和物理限制进行拟合的。这篇论文从理论上，解释了哪些理论？
我认为人工智能本身是具有一定的原理。神经网络本质上是一个非线性拟合器。特异地对蛋白质三维构建这一个问题，