DeepMind为网络中的 48 个 Evoformer 模块中各自单独训练了一个结构模块

预测过程解释

AlphaFold2 是如何预测蛋白质结构的呢?DeepMind为网络中的 48 个 Evoformer 模块中各自单独训练了一个结构模块,同时保持主网络的所有参数保持不变(www.30005.net)。

在前几个模块之后产生的轨迹非常平滑,表明 AlphaFold2 对蛋白质结构进行了不断的增量改进,直到它不能再改进(图4b)。

这些轨迹也说明了网络深度的作用。对于非常具有挑战性的蛋白质,如 SARS-CoV-2 Orf8 (T1064),网络搜索并重新排列多层的二级结构元素,然后再确定一个好的结构。对于 LmrP (T1024) 等其他蛋白质,网络会在前几层内找到最终结构。

图 4a 展示了消融实验的结果,表明自蒸馏训练、不变点注意力等机制都有助于提高AlphaFold2的准确率。

硬件配置

据了解,运行 AlphaFold2 的最简单方法,是使用DeepMind提供的 Docker 脚本。DeepMind提供了一个参考配置:在Google Cloud 上,采用 12 个 vCPU,85 GB RAM,100 GB 引导磁盘,额外 3 TB 磁盘的数据库,一个 A100 GPU 。

主营产品:分级机械,食品烘焙设备,肉制品加工机械,休闲食品加工机械,食品杀菌机,食品、饮料生产线,食品、饮料加工机械,罐头食品加工机械