九九久久精品免费观看,蜜臀av午夜福利在线,后入内射无码人妻一区,六月婷婷精品视频在线观看,一区二区三区婷婷中文字幕,51精品免费视频国产专区,JIZZJIZZ国产,国产极品女主播国产区,亚洲一区二区三区国产精品 ,免费一看一级毛片

近日，北京大學(xué)化學(xué)與分子工程學(xué)院、北京大學(xué)生物醫(yī)學(xué)前沿創(chuàng)新中心（BIOPIC）、深圳灣實(shí)驗(yàn)室高毅勤教授課題組與華為聯(lián)合推出蛋白質(zhì)多序列比對(duì)（Protein MSA）數(shù)據(jù)集，希望在標(biāo)準(zhǔn)化的數(shù)據(jù)集基礎(chǔ)上，支撐研究人員開(kāi)發(fā)先進(jìn)的AI模型，加深對(duì)蛋白質(zhì)結(jié)構(gòu)、功能和進(jìn)化的認(rèn)知，并進(jìn)行蛋白設(shè)計(jì)與改造。此數(shù)據(jù)集將發(fā)布于華為云AI Gallery平臺(tái)，相關(guān)代碼及數(shù)據(jù)集說(shuō)明將依托于華為全場(chǎng)景AI計(jì)算框架MindSpore進(jìn)行開(kāi)源開(kāi)放、定期擴(kuò)展與維護(hù)，旨在為全世界相關(guān)的產(chǎn)、學(xué)、研團(tuán)隊(duì)提供優(yōu)質(zhì)的數(shù)據(jù)共享解決方案。

本次開(kāi)源的Protein MSA數(shù)據(jù)集完全覆蓋最新版本（2021年2月發(fā)布）的UniRef50數(shù)據(jù)庫(kù)中的蛋白質(zhì)序列，采用學(xué)術(shù)界的“金標(biāo)準(zhǔn)”搜索方法，對(duì)約0.5億條蛋白序列進(jìn)行了充分的MSA搜索與比對(duì)（MSA平均深度大于1000），是目前世界范圍內(nèi)規(guī)模最大、參考數(shù)據(jù)集最新、覆蓋度最廣的開(kāi)源蛋白質(zhì)MSA數(shù)據(jù)集（之前最大的開(kāi)源MSA數(shù)據(jù)集包含10萬(wàn)個(gè)蛋白MSA）【1】。

人類(lèi)已知的蛋白質(zhì)序列已經(jīng)超過(guò)4.4億條，但僅憑這些蛋白質(zhì)單序列數(shù)據(jù)庫(kù)，很難了解蛋白之間的關(guān)系。Protein MSA數(shù)據(jù)庫(kù)是一個(gè)對(duì)不同蛋白質(zhì)序列之間的關(guān)系進(jìn)行了標(biāo)記的大規(guī)模“關(guān)系型”數(shù)據(jù)庫(kù)，被標(biāo)記為關(guān)聯(lián)的蛋白質(zhì)序列之間的相似度、進(jìn)化關(guān)系、突變所在位點(diǎn)的分布等信息對(duì)蛋白質(zhì)結(jié)構(gòu)和功能的預(yù)測(cè)極為重要。

   為了更好地服務(wù)于跨領(lǐng)域的研究人員，Protein MSA數(shù)據(jù)集將被組織成具有多重形態(tài)的數(shù)據(jù)格式。原始數(shù)據(jù)集（近30T）將以UniRef系列數(shù)據(jù)庫(kù)【2】和UniClust數(shù)據(jù)庫(kù)【3】的標(biāo)準(zhǔn)文本形式存儲(chǔ)，并按照序列長(zhǎng)度進(jìn)行分割與壓縮。為了便于AI領(lǐng)域的研究人員直接使用，Protein MSA數(shù)據(jù)集還會(huì)將文本格式的數(shù)據(jù)集轉(zhuǎn)化為浮點(diǎn)數(shù)張量類(lèi)型壓縮存儲(chǔ)，并對(duì)已有的AI框架如MindSpore進(jìn)行數(shù)據(jù)接口的支持。

高毅勤教授表示：“我們鼓勵(lì)并期待來(lái)自生物信息學(xué)、數(shù)據(jù)科學(xué)和AI研究等領(lǐng)域的專(zhuān)家和人才充分碰撞與合作，引入、改進(jìn)或設(shè)計(jì)全新的AI模型，來(lái)充分地挖掘Protein MSA數(shù)據(jù)集中所隱藏的‘自然的秘密’”。

從科學(xué)的角度看，MSA的數(shù)量和質(zhì)量很大程度上影響了目前最先進(jìn)結(jié)構(gòu)模型的預(yù)測(cè)速度和精度，而且產(chǎn)生MSA的非參數(shù)化算法仍是諸多蛋白預(yù)測(cè)方法中決定速度的主要步驟之一。因此，Protein MSA數(shù)據(jù)庫(kù)本身可以作為這些結(jié)構(gòu)預(yù)測(cè)模型的預(yù)訓(xùn)練材料，用來(lái)挖掘序列信息甚至快速生成新的序列特征，這對(duì)解決研究、設(shè)計(jì)蛋白質(zhì)中所面臨的高變異序列和孤兒序列等問(wèn)題具有巨大的潛在價(jià)值。

此次數(shù)據(jù)庫(kù)的發(fā)布，依托于華為云AI Gallery平臺(tái)，能夠充分保障國(guó)內(nèi)外用戶(hù)對(duì)于數(shù)據(jù)集的訪(fǎng)問(wèn)和下載，并提供可持續(xù)更新與擴(kuò)充的先進(jìn)數(shù)據(jù)維護(hù)方案以及下游AI應(yīng)用與部署的相關(guān)支持，融合了產(chǎn)、學(xué)、研相結(jié)合的研究模式的優(yōu)勢(shì)。此外，高毅勤課題組也與華為聯(lián)合開(kāi)發(fā)并開(kāi)源了首個(gè)國(guó)產(chǎn)分子動(dòng)力學(xué)軟件MindSponge，希望未來(lái)該軟件能在材料、生物、醫(yī)藥等領(lǐng)域得到廣泛的應(yīng)用。

附：

數(shù)據(jù)集開(kāi)源說(shuō)明：

https://gitee.com/mindspore/mindscience/tree/master/MindSPONGE/protein_msa

數(shù)據(jù)集下載地址：

https://marketplace.huaweicloud.com/markets/aihub/datasets/detail/?content_id=5802def2-5fbd-40da-85d8-a4541d1c6f1e

【1】AlQuraishi, Mohammed. "ProteinNet: a standardized data set for machine learning of protein structure." BMC bioinformatics 20.1 (2019): 1-10.

【2】Suzek, B. E., Wang, Y., Huang, H., McGarvey, P. B., Wu, C. H., & UniProt Consortium. (2015). UniRef clusters: a comprehensive and scalable alternative for improving sequence similarity searches. Bioinformatics, 31(6), 926-932.

【3】Mirdita M.*, von den Driesch L.*, Galiez C., Martin M. J., S?ding J.#, and Steinegger M.#, Uniclust databases of clustered and deeply annotated protein sequences and alignments, Nucleic Acids Res. 2016.