AI如何赋能癌症治疗如何提升蛋白结构预测

首先非常感谢高妍姐，让我再次有机会参加未来科学大奖周的活动。未来科学大奖每个专项万美金，未来论坛背后的资本大佬是红杉（沈南鹏）、Hillhouse（张磊）、金沙江创投（丁健）、线性资本（王淮）等等。3年前参加过一次线下会议，多位演讲者后来成为中科院院士和美国科学院院士，也孵化出好些创业公司。由于疫情原因，本届大奖周举办以线上为主、线下为辅，为了参会还需要提前做48小时内的核酸检测。机会难得，我分外珍惜，现场果然人不多。

我曾经的梦想就是成为一个不入流的科学家，现在虽然毫无可能，但依然对科学的话题有强烈兴趣，期望哪天有钱了投资到最一流的科学家。当然我知道自己又习惯性在白天做梦~{⊙o⊙}~...

毫无疑问，几乎一整天的科学研讨会中，我最喜欢“人工智能与生命科学”专场，一方面跟我之前博士研究方向最为接近，一方面近年来深度学习的高速发展，从计算和数据科学角度进行生命科学的研究带来了行业日新月异的发展。专场由人工智能与生命科学将由清华大学智能科学讲席教授、智能产业研究院院长，美国艺术与科学院院士张亚勤主持。

今年是人类基因组草图公布20周年，高通量测序技术的飞速发展，带来海量的数据，现有时间和空间的生命科学技术在数据科学的助力下分辨率和通量继续提高，实现了更精准的测量人类个体之间细胞和分子水平的差异；让我们人类能更深入的了解疾病的发生机理，让疾病的早期筛查、诊断、新药物的快速研发、治愈各种传染病如SARS病毒或将难治疗的不治之症通过各种方式逐渐变为慢性疾病成为了可能。

加拿大滑铁卢大学校级教授（UniversityProfessor）、加拿大皇家学会院士李明教授主要分享了他在肿瘤免疫治疗方面的工作，如何利用深度学习来3倍提新抗原（neoantigens）从头测序的精度，从而为个体化癌症免疫治疗铺平道路。

不同于化学疗法、物理放射疗法等，免疫治疗是近10年治疗肿瘤发展最快的领域，本质是提高人类自身的免疫能力识别和杀死癌症细胞。由于癌症细胞突变后会避开免疫系统的攻击，如何能够精准的区分恶性细胞与正常细胞，提高免疫系统对肿瘤细胞抗原的识别，预测新抗原从而提高个体化免疫对肿瘤细胞精准杀伤的有效性，进而制备个性化肿瘤疫苗是工作的重点。然而现有的癌症免疫治疗流程找到一个病人的新抗原需要3个月时间，并且极不准确，费用极其昂贵。在癌细胞表面找到新抗原，主要有两个挑战：一是低浓度，二是变异。

李明老师团队设计出了DeepNovo，利用denovopeptidesequencing（肽段测序）+质谱分析幅度改进了预测精度，并可以使用由高通量质谱仪MS产生的dataindependentacquisition数据。团队设想未来的干实验室化流程：新抗原平台可以通过对患者进行取样，用质谱仪进行分析，通过DIAspectra进行新抗原测序，可以在2-3天内完成。找到新抗原后制成疫苗再注入患者体内，疫苗会激发患者内的体细胞白细胞等准确攻击杀死癌细胞。整个流程可以缩短到一周内完成。

以上这张slide无疑会引发不少争议，对于传统化学、生命科学等领域的很多科学家一定会质疑AI无法替代真实数据的产生，生物体的复杂性和重塑性远超过人类理解和想象；而计算领域、AI领域的科学家又以不可阻挡的速度，推出各种新算法，颠覆之前湿实验对生命现象的局部认知。我倾向于谨慎乐观的认为，AI无疑会取代部分湿实验，以后会取代更多，传统手工、小作坊式的湿实验将逐步消亡，部分相关的从业人员会失业，取而代之是自动化的实验、自动化分析+基于通量更高精度更高检测基础上产生的更新算法，这些都将帮助我们更廉价、快速、准确的实现疾病的精准诊断和个性化治疗。

MegaOmics组学样品前处理智能自动化平台

接下来出场的是芝加哥丰田计算技术研究所的许锦波教授，也是李明院士的学生。许老师展示了现代人工智能（AI）方法（例如深度卷积残差神经网络与transformers）如何革命性地实现蛋白质结构预测，并展示了仅仅利用一台个人电脑，AI就可能实现以往远未达到的蛋白质结构预测精度。

他和团队于年首次证明(比Google的DeepMind团队更早)，使用深度卷积残差网络（ResNet）的深度学习，在不使用协同进化（co-evolution）信息的条件下，可以实现较高的蛋白质结构预测水平，并在预测人工设计的蛋白质结构时表现得更为出色。该方法将蛋白质中所有氨基酸残基对相互作用作为ImageMap图像地图处理，同时预测全部的氨基酸残基相互作用，将结构预测问题转换为图像处理中的图像语义分割问题，并结合ResNet进行预测。（确定这段话读懂了吗？-_-

??）

在CASP12（CriticalAssessmentofproteinStructurePrediction）蛋白质结构预测竞赛中，许老师组的RaptorX-Contact方法得分居首位，第一次证明了深度学习方法预测蛋白质结构的可行性。除了久负盛名的蛋白质结构预测软件RaptorX，许老师还开发了蛋白质相互作用网络分析软件IsoRank。

随后，他还简要介绍了目前刚开源的AlphaFold2。他认为在残基层面上，AlphaFold2的第二代深度学习算法要优异于其它算法，但对于高分子量、具有多个结构域的蛋白质来说，准确预测它们结构域之间的空间位置关系依然存在挑战。

而最近华盛顿大学还搞出了RoseTTAFold，比AlphaFold2拥有更快更轻便的算法，只需要一个英伟达RTXGPU，10分钟就能算出蛋白质结构。

另外几场科学论坛“干细胞与再生医学”，“RNA生物学、未来医疗新方向”，“功能性脑成像与干预”也都精彩纷呈，给我不同的启发，就不一一详述。

哈佛大学刘河生老师个体化脑功能区剖分技术

清华大学李路明老师脑起搏器-从临床到脑疾病研究

北京大学高家红老师人脑磁场的探测与解析

北京大学邓宏魁老师化学重编程：细胞命运调控的新方法

RNA生物学、未来医疗新方向论坛

未来科学大奖

未来科学大奖是民间公益组织颁发的世界级科学大奖，由未来论坛于年创立。未来科学大奖采取提名邀约制和国际同行评议制，设置生命科学奖、物质科学奖和数学与计算机科学奖三个奖项，表彰在中国大陆（内地）、香港、澳门和台湾做出的、在世界上有长期重大影响力的科研成果。

今年9月12日，未来科学大奖在京揭晓，袁国勇、裴伟士、张杰、施敏获奖。每个专项奖金高达万美元。

好多钱，原来做研究也可以财富自由！！(〃▽〃)！！

如今，学科之间的交叉融合越来越多。比如今年物质科学的万美元被上交做天体物理的张杰教授一人拿走，但他学生之一同样物理出身的臧充之教授现在已经转向计算生物学，并作为嘉宾简要介绍AI+生命科学论坛的嘉宾及演讲内容的重要性、前沿性及交叉融合，该领域科学技术发展的进展、趋势，并对未来的研究热点方向以及会有哪些挑战和机遇进行分享，可查看相关视频。

致谢及其他

这里非常感谢李明院士和许锦波老师分享宝贵的PPT，部分截图选自他们的报告，以及一直都非常感谢的刘河生老师，在百忙之中的鼎力帮助。

转载请注明：http://www.makingchance.com/jbby/8845.html