蛋白质折叠：问题与方法

摘要：

蛋白质是组成生命体的重要物质基础。不同的蛋白质通过折叠形成不同的三维结构，执行多种多样的生理功能。通过实验方法如冷冻电镜等确定蛋白质结构成本高、周期长，生物学发展因此颇受掣肘。2020年DeepMind推出AlphaFold2，利用深度学习在蛋白质折叠问题上取得重大突破，开源模型却未公布训练代码。2021年12月，深势科技发布Uni-Fold，这是全球首个开源训练代码、达到AlphaFold精度的蛋白质折叠模型，至今已实现对AlphaFold精度、效率的双重超越。本次报告将聚焦蛋白质折叠这一科学问题，简要回顾相关方法发展演变，以Uni-Fold为例介绍领域最新方法，展望“AI for Science”构想的远景。

主讲人简介：

李子尧，前沿交叉学科研究院大数据科学研究中心2019级直博生，研究方向为机器学习在分子生物学方面的应用，包括蛋白质结构预测、小分子构象与表示学习等。在NeuIPS、ICLR等国际会议发表论文8篇，其中第一作者或共同一作6篇。曾获第十三届北京大学“学生五·四奖章”、北京大学优秀学生干部标兵、北京大学博士研究生校长奖学金等荣誉。