马里兰大学 马里兰大学的科学家将一种语言处理系统应用于图示的核糖开关分子的运动，以了解该分子如何以及何时呈现不同的形式
信用:扎卡里·史密斯/UMD 通过将自然语言处理工具应用于蛋白质分子的运动，马里兰大学的科学家创造了一种抽象语言，描述了蛋白质分子可以呈现的多种形状，以及它如何以及何时从一种形状转变为另一种形状
蛋白质分子的功能通常由它的形状和结构决定，所以理解控制形状和结构的动力学可以打开一扇门，了解从蛋白质如何工作到疾病原因的一切，以及设计靶向药物治疗的最佳方法
这是机器学习算法首次以这种方式应用于生物分子动力学，该方法的成功提供了有助于推进人工智能的见解
关于这项工作的研究论文发表在2020年10月9日的《自然通讯》杂志上
该论文的资深作者、UMD化学与生物化学系和物理科学与技术研究所的助理教授普拉尤斯·蒂瓦伊说:“在这里，我们展示了在撰写电子邮件时用来完成句子的相同人工智能架构，它们可以用来揭示生命分子所说的语言。”
“我们表明，这些分子的运动可以被映射成一种抽象的语言，人工智能技术可以用来从产生的抽象词汇中产生生物学上真实的故事
" 生物分子不断运动，在环境中晃动
它们的形状是由折叠和扭曲的方式决定的
它们可能会在几秒钟或几天内保持给定的形状，然后突然弹开并重新折叠成不同的形状或结构
从一种形状到另一种形状的转变就像一个缠结的线圈分阶段张开一样
随着线圈不同部分的释放和展开，分子呈现不同的中间构象
但是从一种形式到另一种形式的转变在皮秒(万亿分之一秒)或更快的时间内发生，这使得高功率显微镜和光谱学等实验方法难以准确捕捉展开是如何发生的，哪些参数影响展开以及哪些不同的形状是可能的
这些问题的答案形成了蒂瓦里的新方法能够揭示的生物学故事
蒂瓦里和他的团队应用牛顿运动定律——它可以预测分子内原子的运动——和强大的超级计算机，包括UMD的深度思维2，来开发模拟单个分子的形状、运动和轨迹的统计物理模型
马里兰大学的研究人员使用人工智能系统从生物分子的不断运动中创造出一种抽象语言，比如这里显示的溶菌酶分子
这种语言描述了蛋白质分子可以呈现的多种形状，以及它如何和何时从一种形状转变为另一种形状——这是理解疾病和开发治疗方法的关键信息
信用:扎卡里·史密斯/UMD 然后，他们将这些模型输入机器学习算法，就像Gmail用来在你打字时自动完成句子的算法
该算法将模拟作为一种语言，在这种语言中，每个分子运动形成一个字母，该字母可以与其他运动串在一起形成单词和句子
通过学习决定哪些形状和运动相互遵循，哪些不遵循的句法和语法规则，该算法预测了蛋白质在改变形状时是如何解开的，以及它在这一过程中采取的各种形式
为了证明他们的方法是有效的，研究小组将它应用于一种叫做核糖开关的小生物分子，这种小生物分子以前已经用光谱学进行了分析
这些结果揭示了核糖开关在拉伸时可以采取的各种形式，与光谱学研究的结果相吻合
“我希望这种方法最重要的用途之一是开发非常有针对性的药物，”蒂瓦伊说
“你希望有强效药物，能很强地结合，但只能结合到你想让它们结合的东西上
如果我们能够理解特定的感兴趣的生物分子可以采取的不同形式，我们就可以实现这一点，因为我们可以制造出在适当的时间只与其中一种特定形式结合的药物，并且只结合我们想要的时间
" 这项研究的一个同样重要的部分是关于蒂瓦里和他的团队使用的语言处理系统的知识，这种系统通常被称为递归神经网络，在这个特定的例子中是长短期记忆网络
研究人员分析了支撑网络的数学，因为它学习了分子运动的语言
他们发现网络使用了一种逻辑，这种逻辑类似于统计物理中的一个重要概念，叫做路径熵
理解这一点为将来改进递归神经网络提供了机会
蒂瓦伊说:“很自然地会问，是否存在让人工智能工具成功的物理原则。”
“这里我们发现，事实上，这是因为人工智能正在学习路径熵
现在我们知道了这一点，它打开了更多的旋钮和齿轮，我们可以调整来为生物学做更好的人工智能，也许，雄心勃勃，甚至改进人工智能本身
每当你理解一个复杂的系统，比如人工智能，它就不再是一个黑盒，而是给你新的工具来更有效、更可靠地使用它
"
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
