第333章 下一篇，剑指Science！（2 / 2）
请关闭浏览器的阅读/畅读/小说模式并且关闭广告屏蔽过滤功能，避免出现内容无法显示或者段落错乱。
这套工具让结构生物学的研究范式发生了根本性变化，过去需要几年才能解析一个蛋白质结构的流程，现在可能只需要几个小时。
从2018年AlhaFold首次亮相到现在。
短短几年，人工智能已经把这个领域最核心的难题基本解决完了。
但现在看来。
人工智能在结构生物学上似乎还有继续深挖的价值。
林晓坐在计算平台的工位上，盯着屏幕上那个已经停止运行的界面，在心里把这件事重新捋了一遍。
蛋白质结构预测被AlhaFold推到了接近饱和的程度。
剩下的空间主要是精度微调和特殊构象的处理，边际收益在递减。
但糖质结构不一样。
糖质的构象柔性比蛋白质高得多，没有稳定的二级结构模板可以参考。
糖链的排列方式在溶液中呈现出比蛋白质更复杂的分布特征。
这些特点决定了蛋白质结构预测那套方法不能直接搬过来用。
但反过来说，这也意味着糖质结构预测是一个尚未被充分开发的领域。
他完全没必要继续死磕已经堵塞的蛋白质方向，可以转而去研究糖质结构。
当然，林晓现在能想到这一点，肯定之前已经有人想到了。
但为什么人没有做出来成果。
原因很简单。
无非是因为难度更高。
蛋白质结构预测的难点主要在序列到结构的映射关系上。
而糖质结构预测的难点除了映射关系本身更复杂之外，还多了一层构象多样性带来的不确定性。
同一个糖链序列在不同条件下可能呈现多种构象，而不同构象对应的功能可能完全不同。
这意味着预测模型不能只输出一个结构，而需要输出一个构象分布。
这个任务的难度比单结构预测高出一个量级。
所以林晓继续扩展的难度是可想而知的。
虽然只是从局部结构质量评估和局部构象分类扩展到输出完整三维结构。
但万事开头难。
起码第一步林晓已经踏出来了。
他现在做的这个工具虽然只能完成局部质量评估和局部构象分类。
但它的核心逻辑已经建立起来了。
从数据分布特征出发，通过自动化方法缩小搜索空间。
接下来从局部到完整的扩展，起码方向已经明确了。
此时此刻。
林晓不由得发出感叹。
这一趟鹏城来得真不亏啊。
这个预测算法的价值绝对大得惊人。
他甚至在考虑先把这套方法和初步结果投到预印本网站上。
虽然不确定有没有人和他撞了，但先占个名字总归没错。
毕竟历史上有太多血和泪的教训了。
有了公开的时间戳DOI确立优先权，就能防止后续在漫长的期刊审稿周期里被同行撞车或抢发。
至于正式投稿的话。
林晓也有了想法。
下一篇！
剑指，Sce！
↑返回顶部↑