During translation, a peptide is synthesized one amino acid at a time. At the moment when there are only two amino acid, although there are 9 possible configuration, only one is the most favorable (free energy wise). The first 2 amino acids are locked into the most favorable configuration. The the 3rd amino acid is linked, again, there is a most favorable configuration between the 2nd and the 3rd amino acid. The peptide is again locked into this configuration. This process is deterministic and there is only one final tertiary structure . I realize that the reality is not that simple, but can the simple-minded structure be the basis for further refinement? I wonder.
2024/11/11的最新消息，Google DeepMind 公佈 AlphaFold3 的程式碼囉！
www.science.org/content/article/google-deepmind-releases-code-behind-its-most-advanced-protein-prediction-program
程式碼在這邊
github.com/google-deepmind/alphafold3
身為蛋白質研究者，非常感謝頻道將領域中的專業知識傳遞給民眾。未來有機會也想試著參與審稿甚至撰寫內容。
真的!!!而且文案都沒講錯 對於一般大眾的科普做得非常好
@@Eric-m6m3m 3:19 講錯啊，是x光繞射不是反射。
能不能告诉我一个公众不知道的，但已经是蛋白质研究领域公认的健康法则
@@yggyy5223 只要能找到表達的專一性夠高（cancer specific)的癌細胞表面受體，在不久的將來，所有的癌症都應該要能變成可治之病。是否有到『公認』我無法確知，畢竟每個人的樂觀程度不同。
o
恭喜 David Baker、Demis Hassabis、John M. Jumper 獲得 2024 諾貝爾化學獎！
果然得獎了🏆
比昨天的物理學獎合理多了，但沒想過會這麼快
演算法讓我再回到這邊
看到新聞回來複習一次
看到就回來看 😂是不是改了標題啊
感謝你們幫我們公司做中文宣傳片。
DeepMind的研究都很有趣且很有意義，謝謝你們！
不要开源啊，有些邪恶组织拿去了，人类就完了。
Free lunch? 😁
不奢望它能讓人類多長壽，但希望它能讓人類脫離疾病的折磨。
真的病痛能解就是很實用啊
12年前專題就是用已知結構去篩出可能抗癌的藥物
沒想到短短時間科技就這麼進步，AI真的是奇異點關鍵
我們剛上完蛋白質結構這單元，其中就有提到說：我們可以透過DNA可以預測蛋白質一級結構，但無法透過這些方法來預測蛋白質的真正結構。
我聽完這集我覺得這真的是一個非常大的進步與衝擊，以後的生化又可以改版了😂
其實我們剛做完這集，又看到新消息 AlphaProteo，都覺得影片得再更新。
@@PanScitw 希望再出新的這種主題的影片
看來每一位學過或者正在學蛋白質結構學的同學心裡都有這樣的問題。我10幾年前提出問題問教授時還挺單純的，沒想到今天才知道原來背後有這麼難的計算在
沒事，我找國內n個教授聊過了
n個教授都沒有很看好AI
說目前數據只是漂亮數字，離真正破解蛋白質結構、基因體功能還很遙遠
但我一直認為生物體很像電腦，本質上是相同的，都是運行有限狀態自動機
神經網路=理解不同維度事情的能力
自然語言、程式語言、機器語言01 DNA RNA 蛋白質
生成式LLM AI的潛力，對於語言語義的掌握程度，就是對結構的掌握程度
畢竟隔行如隔山
GPT-3.5才剛問世兩年，教授這樣的反應我也覺得正常
很多舊秩序規則都會很快地被打破，其實有點可怕
@@gjlmotea 并不是，算法必须得到检验才可以，并不是基于理论的理论。
好猛，當初Alpha go橫空出世已經是重大突破，現在各家都還在研究發展圍棋AI時，Deep mime已經在研究基因了，敬佩！！
本身是AI資工專業，覺得講得淺顯易懂，非常優質
身為台灣人，聽到”最佳解”而不是”最优解”就覺得很舒服；同理，使用”最佳化”而不是”优化”！！
撰稿者一定是台灣AI領域優秀的專家！
說真的真的有必要去計較那種東西嗎？聽得懂不就好了
@@ABABBAB如果是寫論文你教授會很在意的
.....其实我们大陆人很多时候直接说'optimization '
跟小粉紅一樣G點無限多嗎?
@@timwang6526
老哥，人家這則留言只是說出自己的喜好，沒有任何過激的地方吧？
在我看來你比較像小粉紅吧，見到黑影就開槍
做出可愛的獸耳貓娘~
角娘也可以！
有沒有可能出現 人工魅魔呢？！
讓犬娘叫我大葛格
鬣狗娘((?
獸獸！
狐人隊 貓耳娘 狗耳娘希望
泛科團隊才是該拿大宗政府標案的好媒體
非常同意🎉
早就拿不少了吧😂
倚靠政府標案反而容易被政治力干涉
@@leslietian4050政府單位長官常常會希望刪掉很多大家想看的內容，加入沒人想看的乏味內容😅
高端之前不就讓很多學者意見紛歧?
什麼?富監復刊了?
說真的，Google真的幫助人類做了不少事
包括如何打台海戰爭
這是真科技啊啊啊啊啊！專心看聽就開始想睡覺，醒來時專心看，看累了助眠，必須訂閱😂
謝謝！
感謝！
感謝泛科學提供的新知及新研究。知其然，更要知其所以然。👍👍
之前研究都用PDB, 一個蛋白質檔案都會有不同的編號，是代表不同的晶體結構。而本身PDB 蛋白質都會附帶對應的小分子，用來給研究者，這個第三代就是把傳統實驗流程變成數字電腦模擬，這個前端做快了，下游研究就可以更快
富堅復刊了😂🔥
真的覺得活在這個AI的時代真好，會讓人想多活幾年看看一切的發展
說到底現在所謂的生成式AI的演算法其實不是什麼多科幻的新東西，更像是計算機時代所有技術的集大成
是人類在用已知推導未知的方式上真正的革新，很期待各個領域都能靠AI有所突破
小時候，每天都像聖誕節一樣，有新發明或新知識出現！
3:50 事實上七萬多個結構，還有很多是同一蛋白不同條件下的結構，七萬個結構=七萬種蛋白並不正確。因此，我們已知的結構仍遠低於 Proteome 的三分之一。
現在的AI機構專門拿數據陷阱在騙經費的，不怪他們，因為科研的也一堆都是騙子
差別是這些騙子剛好賭對了，那他騙的就成真，反之賭錯了，就變成撻伐對象。
富㭴復刊這個哏好笑😆😆😆
非生物專業，抱持偏悲觀看法
Prediction model基本上是基於大量舊資料推理出結果，如果尚未把蛋白質/氨基酸間的交互作用完整解構，會不會僅能預測出基於舊有結構的交互作用與摺疊?
另外預測完如果還是得照樣進行曠日費時的詳細驗證才能投入實際應用，聽起來只是能減少走錯路的可能性，但無法加速在正確道路上的前進速率?
正確，其實問題核心不是使用的數據是否舊資料，而是AI進行的是歸納法，人類需要的是了解運作的根本，進行演繹法，就像是宇宙想知道一個大一統理論，從該理論可以推理出目前已知的所有現象，就跟以前人類利用實驗以為物質都是不同的，但現在證明宇宙所有物質就是原子拼起來的，而原子之間的差異也就是原子核粒子數量跟外圈電子的差別，化學反應本質上也就是原子外圈電子進行共價的過程，而進階一點當原子核內的粒子噴出來的時候，就是核能，基於弱力、強力、電磁力的交互拉扯
AI在做得並不會解析出上述的基本原理，但他們會從無數的物質之間的化學變化整理出一份高度相關的推論，這問題來了，化學變化其實不理解原理的話很多時候不存在高度相關性
從統計學當中常態分布也至少要有68%的落點才能進行相關性推論，說難聽一點50%機率在統計學眼中根本毫無意義，更別說低於50%比猜拳還沒道理的數據了。
AI沒辦法剖析蛋白質分子間為何會這樣完成，它通常是看到類似的(基於數據的分類相關性)落入常態分布的68%範圍後開始預測，這樣的使用延展性極低，且只能擬合(Overfitting)，但既然是新技術那當然科學期刊要登一下，至於能給人類了解真相的過程帶得多遠，我也是悲觀。
沒有過程直接講答案，聽起來很不實際，但在應用時AI就是這麼特殊又厲害的技術，就跟天才蹦出答案沒兩樣
假設你推論的正確，那模型就不會拼出正確的預測
你跟很多人說疫苗沒用差不多觀念
無謂的擔心，即使AI的預測完全正確，還是害怕著下一個會錯誤
這應該就是為什麼巨頭也投資研發量子電腦，在分子模擬領域可以突破現在的運算限制
1. 那是不是可以反過來，通過比對預測和實際結果發現未知的交互作用? 發現之後把正確的資訊餵給AI學習就可以了，AI也不是來抹殺研究員生計的
2. 那得看你怎麼定義"正確道路"，如果你要探究背後的原理，那拆解AI都比使用AI實際，也就是為什麼會有研究人員要求開源。 但如果你是被時間或稀少的資源追著跑，那利用AI能讓你跑得更遠(得到更多的成果)。 說到底AI不是神，從來就沒有全知全能一說
谢谢泛科学让我跟上世界资讯的脚步
人類對永生的執念永遠不會消失
距離可以做出diffusion 六指ACG大眼二次元人類又前進了一步
謝謝您讓腦洞大開，辛苦您了！
這看起來很讚，感謝分享❤❤
話說用蛋白質創造東西？難道是具現化系😂
真不愧是alpha go的公司，用棋盤的理論應用在蛋白質上😂
(還是說這個標語是泛科學團隊想出來的)
最後一個可以製造出結構的工具～ 推薦去看Rosettafold
提到了fold讓我想到之前疫情期間有浮上來進到大眾視野的folding@home，希望未來有機會也能講講！
難怪黃仁勳說生命科學才是未來，有了AI之後生醫界應該會有突破性進展
老黄未必是对的，他只是站在他企业的立场说话，生科被认为是黄金产业已经30多年了，不过ai预测蛋白质确实是一个革命！
与时俱进，天天向上👍🏃♀️👍🏃
其實越深入了解氨基酸和蛋白質分子結構所組成的各種功能再看看他們的外觀
我只能說生命是由演化來的讓我質疑這種表象歸納法的結果論。
歸納法是人類第一個看世界的方式，從現象開始，然後假設，最終用科學的方式解釋，然後再挑戰自己的假設，整個過程
但AI真的就只是分類機器...對理解本質一點幫助都沒有
難怪黃仁勳會說以後不要學寫程式 下一個黃金賽道是生科
是真的，我前2天請ChatGpt幫我寫個入口網，包含header及footer，左邊要有功能選單，首頁中間放個小叮噹的SVG圖檔，背景是富士山。
每個功能選單要有不同顏色。
然後網頁程式碼就生成了，貼到記事本存成XXX.html用瀏覽器開就看得到成果。
曾幾何時覺得花了一輩子心力學的Java，C#，HTML，javascript，SQL.....越來越不值
14:10，【D】製造出與自己「性別共軛生命體」😆
開源是不是等於讓所有人免費使用？
基本上現在的RNA-binding proteins 結構都很難解出來；上次用alpha fold 模擬我研究的蛋白都是黃澄澄無構型狀態
感謝分享，希望新一代能更有用
應該創造可以利於人類文明移居其他星球的生物條件。
開源是不是等於讓所有人免費使用？🤔
1:59 開始
A和C差別在哪？
做出可以適應極端環境的生物
延續生物生命
10:28
小分子新藥?
根據某本雜誌給我的印象
大分子藥 好像比較好
Alpha fold 是好的工具，但沒有解晶過，都算是模擬，還是要質疑可靠性。
蛋白質是動態表現，非常的耗費算力，要到量子計算才能真正解開。
個人非常好奇 Google DeepMind 推出 Alphafold-3 到底用了多少晶片算出來的
應該是NVIDIA 的晶片吧 H100?
幫你看了跟NV沒關，都是自行研發
應該創造出能殺死生物、又能製造生物、又能當食物鏈，嚴格說來這只是蛋白質自我自由發展出來的各種結果而已，蛋白質也有自己的自由意志的
簡單說這個ai幫我們解決節省百分之80以上的工作時間成本。
為何不直接用ai幫富樫畫完呢？
這就是他厲害的地方
還有咒術迴戰
谢谢分享。目前DeepMind CEO, Demis Hassabis, 也同时主持Isomorphic Labs,而且和礼来制药以及Novatis有合作协议。要他们开源当然就表示要用别人家的钱做自己的药，我想谷歌不会那么轻易的放手。不过我目前无法搜寻到礼来或Novartis到底借用Alpha Fold 3开发什么样的药，虽然他们什么药都有。就是想说应该投资制药公司还是投资谷歌？
可以創造調整者或異形了嗎😮
alpha fold 的優點：
能夠精準預測蛋白質結構
原本的蛋白質原子構造需要經過大量生成單一蛋白質，在使其濃縮、結晶化
經由Ｘ光繞射才能推測，耗時成本（金錢、時間等）都很大
現在經由ＡＩ就能夠大幅縮短，並且有望能夠再更精確地了解其與小分子化學物質的結合狀況
這對於標靶治療（eg.阿茲海默、癌症...等)有很好的幫助
4:34 還以為要進化了
可以請ai預測畫出獵人的黑暗大陸篇嗎
During translation, a peptide is synthesized one amino acid at a time. At the moment when there are only two amino acid, although there are 9 possible configuration, only one is the most favorable (free energy wise). The first 2 amino acids are locked into the most favorable configuration. The the 3rd amino acid is linked, again, there is a most favorable configuration between the 2nd and the 3rd amino acid. The peptide is again locked into this configuration. This process is deterministic and there is only one final tertiary structure . I realize that the reality is not that simple, but can the simple-minded structure be the basis for further refinement? I wonder.
想選c，就等deepmind了
精彩的節目❤
做一個超級戰士
長生殿有可能走出霹靂的宇宙！😮
這樣預測出來的新藥是不是不用做三期臨床實驗嗎？要的話還不是曠日費時
14:37 可以做成瘋狂博士的貼圖了 🤣
如果我一介平民都能擁有自定蛋白質製造機，選Ｃ又如何？
肯定會有更高的單位、機器，快速反應、醫療。
謝謝實用資訊!
扶他！
研發完了還沒算完，富堅復刊了😂
可以預測三體人的蛋白質結構？
人類科技終於要走進生物學的燒錄ic腳步了嗎！？
如此複雜精妙的蛋白生态,加上科學家仍無法肯定人體有多少個互不衝突的係統，以及無數拯救性十架或「過紅海」，讓個人無法否定宇宙萬物是由活天道living Heavenly Logos所創造. 「只有生命才能產生生命」.
既然然可以用來列印食物，那麼器官之類的是否也在列印範圍？這樣不僅對食品產業有幫助，還可以幫上醫療業
簡直是生物化學的聖杯，但是往壞方向想，是不是意味距離創造生物不遠了🤔
就怕太貴......我記得有研究出一種豬的腎臟已經能用在人身上了.....但諷刺的是現實中人的腎臟遠比這種豬便宜與同時更受信任.......
@@chonufong1480從人類搞出複製動物這種非自然誕生的生物開始，某種程度上或許已經算是創造生物了
希望進步的生技能健康的長命百歲囉
所以鐘點戰有可能會發生了😮
所以什麼時候人類的髮色不在拘泥於黑、金、棕?
髮色還有紅
白
D 製作出魎煌鬼，這樣才能輕鬆上太空。
ＡＩ越來越強大，現在都有３Ｄ列印了，以後該不會有蛋白質列印，可以做出指定的蛋白質結構和功能
终于可以改造一个 合法 黑皮肤 能具有双性功能的 DEI 宝宝了
太棒了
基本上看來 😅
是人類的電腦 算力不夠
就請出 AI來 "猜" 🤭
因為是 用猜的
所以 以後也只能推估
正確了 多少 %
……
這算是 過渡期吧
有 總比沒有好 😄
蛋白質結構預測越來越接近聖杯了。
競爭太恐怖，在Google之前是David Baker教授領先20年，居然瞬間就被超車！
造可愛酪梨
我忽然想起以前生物實驗室的教授常常跑來我們網路安全實驗室，只知道他們要運算的東西太複雜電腦算不出來，想要問我們有沒有好主意，當時搞不懂他們學生物的到底要用電腦計算什麼，現在好像有點能理解他們的痛苦了..... 🤔
我全都要
創造金人 讓人類永遠偉大
不得了不得了
等開源就是正邪最後一戰開始，
善人拿來開展預防疾病的新世界，
還是惡人被用做生化武器的末日，
因該兩樣都會出現繼續對抗。
開源是一定要做的事嗎?沒有聽說有這個規定
毫無疑問會被拿去做出超級生物兵器，不管是病毒還是超級士兵甚至讓環太平洋的劇情成真都不奇怪
別忘了惡靈古堡
什麼時候才能治療口吃
口吃？
有料
求貝爾不等式解說
Good!!
搞不好學習到半路就已經有能力在伺服器裡以生物功能為導向拼湊出虛擬生物了，順便還3600倍速觀測完它的一生
今年諾貝爾獎也AI化。
AI能協助科學家攻克醫學難關，功德無量。
Ai ，開源碼，學術界的努力成果
全部由藥廠來申請專利收割，
攻克了所有疾病，但是以天價來治療
人造人明年出吗
教科書又要變得更厚了 :D
請超級大厨製作食物，然後向他買版權複製，再在全世界開複製食物餐廳。
好問題 掌握了這項技術是不是就可以克隆外星人了
製造哥吉拉。🎉🎉🎉🎉
我希望可以產出全人類都不再為食物而煩惱的糧食，或許社會很多問題就解決了
小熊維尼不同意
這種技術不應該開源 應該要管制 要是落到有心人的手上 被製成可怕的病毒武器那會是人類的大災難 。