蛋白質結構預測的案例
使用AlphaFold2進行蛋白質結構預測
2020年11月30日，該人工智能程序在蛋白質結構預測大賽CASP 14中，對大部分蛋白質結構的預測與真實結構只差一個原子的寬度，達到了人類利用冷凍電子顯微鏡等復雜儀器觀察預測的水平，這是蛋白質結構預測史無前例的巨大進步。這一重大成果雖然沒有引起媒體和廣大民眾的關注，但生物領域的科學家反應強烈。
目前，AlphaFold2的源代碼已經在GitHub上公開，而且現在科學家正在利用AlphaFold2對已有的蛋白數據庫進行高通量的預測，建立了一些模式生物物種所有蛋白的AlphaFold2預測結構數據庫（https://alphafold.ebi.ac.uk/）。
可以看到，雖然利用AlphaFold2預測了這么多生物的數據庫，但是并未覆蓋所有的蛋白序列數據庫，所以只有搭建本地的AlphaFold2服務，你才能用AlphaFold2隨心所欲的預測自己研究蛋白的結構。
接下來將給大家介紹AlphaFold2的使用方法，在北鯤云上免安裝使用。對于沒有Linux基礎或本地硬件配置不足的人，僅需1分鐘即可成功提交蛋白質結構預測任務，能夠省去很多麻煩。
二、在北鯤云使用AlphaFold2進行蛋白質結構預測
1. 選擇AlphaFold2
在“應用中心”搜索AlphaFold2軟件并選中，在右側彈出的軟件詳情欄中點擊“提交作業”。
2. 選擇可視化模板提交
推薦選擇可視化“模板提交”的方式提交作業，平臺已為AlphaFold2內置了幾個可視化模板，按要求填寫相應參數即可提交預測任務。
3.
展開 北鯤云超算平臺如何為生命科學研究提供數據歸檔與存儲服務？
同樣是在云計算的加持之下谷歌旗下的DeepMind公司讓蛋白質結構預測取得了突破性進展，其研發的AlphaFold2，可以說是蛋白質結構預測的里程碑。蛋白質是生命的物質基礎，每個蛋白質的氨基酸鏈扭曲、折疊、纏繞成復雜的結構。科學界采用了多種技術手段解析這種結構，都需要花很長的時間，甚至難以完成。但通過云計算能夠大大加速蛋白質的結構預測進程。值得一提的是，北鯤云超算平臺已經預安裝了AlphaFold2，用戶在登陸后可以直接使用該軟件。
除了能夠加速科研進程之外，云計算的另一個優勢在于數據歸檔，這也是研究人員在跟北鯤云超算平臺簽署服務器租約最關心的問題。如果北鯤云超算SaaS平臺因為某種原因關閉，或者研究人員決定換成不同的系統，北鯤云超算SaaS平臺也會明確給出提取數據的路徑。北鯤云超算平臺提供的服務允許將所有的東西都刻在光盤上并且把一大摞硬盤給用戶，用戶不用擔心‘嫁給’云一輩子。
然而對于通用的存儲來說，云可以提供意外事故和本地災害的保護，因為云服務一般會在多個地點復制數據?！翱赡芷渲幸粋€數據中心被流星擊中，另一個中心又有火山爆發，但是你還是能夠得到另一個數據備份。這就是云平臺的優勢。
展開 北鯤云超算平臺在AlphaFold2對蛋白質研究中有何作用？
北鯤云超算平臺在AlphaFold2對蛋白質研究中有何作用？
受人工智能和深度學習技術發展較快等因素影響，結構生物學數據的研究也開始迎來了嶄新的階段，針對蛋白質結構的預測也出現了一些新的方法，并獲得了突破性進展。目前，最為前沿的技術當屬AlphaFold2以及RoseTTAFold，這些技術對行業的影響可謂是顛覆性的。特別是國內已經有北鯤云這類的企業和一些高校以及科研機構進行合作，在北鯤云超算平臺的支持下，AlphaFold2的優越性會更好地發揮出來，甚至有很多人士認為，實驗結構生物學會逐漸地成為過去式，最終退出歷史舞臺。
問題來了，AlphaFold2的運行原理是怎樣的，它的重要性又具體體現在哪些方面呢？要了解這些問題的答案，還要從蛋白質序列的研究說起。業界人士都知道，蛋白質折疊是生物物理領域最重要的研究課題之一，在過去的五十年時間里，這一課題的研究都因為各種各樣的技術問題而受阻。其中很重要的一個原因是，蛋白質序列和結構之間屬于高維到高維的映射關系，常規的數學或物理的方法難以對這些關系進行分析。
最近幾年，實驗技術得到了進一步的提升，新一代測序技術和蛋白質晶體學以及冷凍電鏡等結構生物學方法開始得到大量應用，豐富的蛋白質序列和結構信息得以積累，這無疑為使用基于北鯤云的人工智能技術對序列-結構間關系進行研究打下了堅實的基礎。自從2016的CASP12競賽開始，深度學習技術就廣泛地在蛋白質結構預測領域進行應用，使得結構預測準確度得到了質的提升。
AlphaFold2的獨到之處在于，它采用全新算法設計，這種算法和之前的方式具有很大的區別，比如在生物物理層面，該技術所采用的神經網絡架構，其序列信息和氨基酸殘基相互作用圖譜間實現了升級，和蛋白質折疊的物理機理可以更好地進行吻合。另外，基于這種技術的模型還能夠實現端對端的精準結構預測，可以極大地提升分析效率。
展開 【VB思享會-線上Panel】AI制藥企業“自證”下一步，商業化之路怎么走？
擁有10多年國際知名企業蛋白質結構預測、篩選、生命科學等相關工作經驗，是蛋白結構預測方法RaptorX核心開發者、蛋白結構預測方法tFold項目帶頭人，并先后在芝加哥大學TTIC、KAUST以及騰訊AI Lab等科研機構與跨國公司擔任要職，負責過多個項目開發和上市產品。
擁有制定多個產品研發和蛋白質結構預測開發的成功經驗，至今已在國際權威期刊上發表論文60多篇，H-index為31，總引用次數高達6,387次。近期，王晟博士入選美國斯坦福大學發布2021年度“全球前2%頂尖科學家榜單”(World's Top 2% Scientists 2021)。
黃韜
智藥科技 創始人
清華大學工學學士（2004），中國科學院理學碩士（2007），香港浸會大學藥學博士（2017），主要研究方向為計算藥物發現(Computational Drug Discovery)，在小分子和大分子藥物設計領域具有豐富經驗。2018年，黃韜博士作為創始人創立智藥科技。
馬睿
峰瑞資本 合伙人
清華大學學士和碩士，卡內基梅隆大學工程學博士。
展開 
北鯤云超算平臺提供生命科學領域所需要的哪些軟件？
在生命科學領域，隨著云計算在多個行業的深度應用，也帶來了分子篩選模型日益復雜，數據倍增、計算費用昂貴等問題，基因測序、蛋白質結構預測與人工智能、云計算等多種技術的深度融合，成為了生命科學的重要發展趨勢。
許多云計算廠商都對于生命科學行業所面臨的痛點，做出了相應的改善方案，但公有云提供豐富算力資源的成本也就造成了計算費用昂貴的必然局面。此外，公有云廠商無法將用戶場景細化到每一軟件環節，這也就意味著想要切實解決生命科學行業用戶的痛點，技術層面必須繼續下沉，北鯤云超算平臺將生命科學行業常用的軟件內置于平臺，切實解決了用戶安裝軟件的麻煩，同時，通過北鯤云平臺自身有利條件將云算力價格降低至可以于超算中心的價格持平，同時不降低云計算的速度。這對于生命科學行業用戶格外友好。
那么北鯤云超算平臺能夠為生命科學行業用戶提供哪些軟件常用的軟件呢？除了BWA、NCBI、SAM Tools、VCFtools、Bamtools、repeatmark這些常用的軟件之外，隨著生命科學行業發展，軟件不斷的升級與更新，北鯤云平臺在AlphaFold2發布的第一時間安裝了這款結構生物學里程碑式的軟件。北鯤云超算平臺可以幫助用戶安裝任何一款所需要運行的軟件。憑借自身豐富的CPU、GPU資源可以幫助用戶快速安裝軟件啊，對于一般情況下，需要幾天甚至一周才能完成安裝的軟件，北鯤云超算平臺能夠大大提高軟件的安裝效率。
北鯤云生命科學軟件列表
目前，北鯤云超算平臺的軟件也在持續增加。在未來，北鯤云超算平臺也會持續更新軟件庫，
為用戶提供更為豐富的軟件資源。
展開 AlphaFold2“登陸”北鯤云平臺，云計算助力科研大放異彩
如今，隨著一線研究學者的不斷攻堅、不斷探索，生物科研領域邁入至一個全新的發展階段：AlphaFold2不僅完成了98.5%人類蛋白結構預測，并且做成數據集免費開源。
毫無疑問，這是一個令人振奮的消息，代表著生物科研技術的發展與創新，取得了可喜的突破。但免費開源也意味著會有更多的生命科學研究人員使用，對于科工作本身來說固然是好事，但運行AlphaFold2所需Nvidia Tesla A100、 Nvidia Tesla V100 的硬件要求對于很多高校而言，并不是輕松能夠解決的，要知道Nvidia Tesla A100目前售價在7萬左右。并且此次DeepMind官方沒有發布AlphaFold2環境部署指導，這也給一些科研工作者帶在如何科學利用AlphaFold2的問題上帶來了一定難度。
“工欲善其事，必先利其器”，作為將云計算與生命科學領域研究相結合的倡導者，北鯤云超算平臺已經安裝了AlphaFold2，并且開放了Nvidia Tesla A100、 Nvidia Tesla V100 的GPU資源，幫助研究人員解析新蛋白結構。
目前，為了讓用戶進一步為體驗AlphaFold2使用便利，北鯤云從行業發展的實際情況出發，正式部署上線了AlphaFold2。在北鯤云的平臺之上，用戶無需安裝AlphaFold2，僅需花費短短一分鐘的實踐，在瀏覽器火鶴北鯤云客戶端都可以登錄北鯤云超算平臺，啟動工作站，并加載AlphaFold2模板，即可啟用AlphaFold2進行蛋白質結構預測。便捷的使用環境，進一步減少了各種冗余步驟，為用戶有效節省操作時間，深入探索生命科研領域的奧妙之處。
展開 基于Gromacs的蛋白質與小分子配體相互作用模擬教程
在生命科學的廣闊領域中，蛋白質與小分子配體之間的相互作用扮演著至關重要的角色。這些相互作用不僅影響著生物體內的各種生命活動，如信號傳導、代謝調控和藥物作用等，同時也是藥物設計和開發的核心內容。因此，深入理解并模擬這些相互作用過程，對于推動生命科學研究和藥物研發具有重要意義。
本教程旨在為讀者提供一套完整的蛋白質與小分子配體相互作用模擬的流程和方法。通過本教程的學習，您將能夠掌握從蛋白質與小分子配體的結構準備、相互作用模擬到結果分析的全流程，從而能夠自主進行相關的模擬研究。
在本教程中，我們將首先介紹蛋白質與小分子配體相互作用的基本原理和模擬的基本概念，為讀者奠定理論基礎。隨后，我們將詳細闡述模擬的具體步驟，包括結構準備（如蛋白質結構預測、小分子結構優化等）、相互作用模擬（如分子對接、分子動力學模擬等）以及結果分析（如相互作用能計算、軌跡分析等）。在每個步驟中，我們都會結合具體的案例和實例，詳細解釋操作步驟和注意事項，幫助讀者更好地理解和掌握。
具體流程：
一、預處理復合物
1. 蛋白質及配體結構獲取
在本教程中，我們將使用T4溶菌酶L99A/M102Q(PDB ID：3HTB)為例，從PDB蛋白數據庫 (RCSB PDB)下載其晶體結構，去掉晶體水，PO4和 BME。
蛋白及配體力場獲取
只有在力場的.rtp文件中存在構建塊的條目時，拓撲才能自動組裝。而JZ4配體在 GROMACS 提供的任何力場中都不是一個可識別的實體，因此我們將分兩步準備系統拓撲：1)用pdb2gmx準備蛋白質拓撲；2)使用外部工具準備配體拓撲。
展開 設計仿真 | 如何快速預測車身結構的動態特性
Odyssee是?？怂箍倒I軟件旗下的一款跨學科、跨領域、跨專業的軟件產品，基于機器學習模型，能夠實現秒級實時的CAE靜態、動態仿真、圖像識別、智能預測等，顯著縮短計算分析周期，提高生產效率。對于車身結構的動態特性（振動傳遞函數）的研究，一般是通過試驗手段或者有限元仿真方法。但試驗的方法無論在時間成本還是金錢成本方面都比較高，采用有限元分析方法計算車身結構的振動傳遞函數，例如使用MSC Nastran進行相關的計算和預測，可以降低時間和試驗投入成本。Odyssee軟件能夠根據試驗結果或有限元計算結果進行模型的訓練和學習，來預測車身結構的動態特性，從而進一步縮短仿真時間，并可用于研究設計參數靈敏度以及參數的優化。
在新的車身結構開發初期，設計工程師需要盡快知道當前設計車身結構的動態特性。使用傳統有限元方法進行求解，面臨網格剖分、邊界條件設置、模型裝配、求解計算等一系列的工作，幾輪迭代下來也需要幾天的時間。因此有限元仿真分析往往跟不上現在快速產品設計迭代的腳步。而使用基于機器學習的仿真工具Odyssee，可以在前期通過已有的設計經驗和仿真結果訓練代理模型，針對新的車身結構設計，能夠實現秒級的動態特性仿真預測，從而加快了車身結構研發速度，幫助設計工程師快速完成前期的預測。
圖1.
展開 如何快速預測車身結構的動態特性
Odyssee
是?？怂箍倒I軟件旗下的一款跨學科、跨領域、跨專業的軟件產品，基于機器學習模型，能夠實現秒級實時的CAE靜態、動態仿真、圖像識別、智能預測等，顯著縮短計算分析周期，提高生產效率。對于車身結構的動態特性（振動傳遞函數）的研究，一般是通過試驗手段或者有限元仿真方法。但試驗的方法無論在時間成本還是金錢成本方面都比較高，采用有限元分析方法計算車身結構的振動傳遞函數，例如使用MSC Nastran進行相關的計算和預測，可以降低時間和試驗投入成本。Odyssee軟件能夠根據試驗結果或有限元計算結果進行模型的訓練和學習，來預測車身結構的動態特性，從而進一步縮短仿真時間，并可用于研究設計參數靈敏度以及參數的優化。
在新的車身結構開發初期，設計工程師需要盡快知道當前設計車身結構的動態特性。使用傳統有限元方法進行求解，面臨網格剖分、邊界條件設置、模型裝配、求解計算等一系列的工作，幾輪迭代下來也需要幾天的時間。因此有限元仿真分析往往跟不上現在快速產品設計迭代的腳步。而使用基于機器學習的仿真工具Odyssee，可以在前期通過已有的設計經驗和仿真結果訓練代理模型，針對新的車身結構設計，能夠實現秒級的動態特性仿真預測，從而加快了車身結構研發速度，幫助設計工程師快速完成前期的預測。
圖1. Odyssee軟件界面
Odyssee包含了兩個重要模塊：Odyssee CAE和Odyssee A-EYE。Odyssee CAE是一個獨特而強大的以CAE為中心的創新平臺，而Odyssee A-EYE是一個獨特而強大的基于圖像的機器學習解決方案。機器學習+CAE仿真是未來仿真的一種趨勢。
展開 機車車輛結構疲勞壽命預測方法的研究
機車車輛結構疲勞壽命預測方法的研究
機車車輛結構疲勞壽命預測方法的研究.part1.rar
機車車輛結構疲勞壽命預測方法的研究.part2.rar
機車車輛結構疲勞壽命預測方法的研究.part3.rar
機車車輛結構疲勞壽命預測方法的研究.part4.rar
設計仿真 | Simufact焊接工藝仿真變形精確預測汽車結構
汽車案例舉例
上海大眾汽車有限公司作為Simufact的資深客戶，已經熟練使用Simufact welding解決實際結構件的焊接變形問題，隨著仿真數據及仿真經驗的積累，針對不同結構和焊接工藝，已經具備一些仿真判斷標準。一些結構焊接工藝的規劃，經過Simufact welding仿真驗證后，幫助其提升了焊接變形質量控制，受益明顯。
以下案例來自上海大眾汽車有限公司，展示了Simufact welding焊接工藝仿真軟件變形結果與實際焊接變形結果對比。結構分別為B柱熱成型板激光焊接案例以及白車身側圍門框焊接變形。
上海大眾汽車有限公司通過使用Simufact welding焊接仿真軟件，深刻認識到精確的仿真結果需要結合實際焊接工藝仿真，如下圖所示為實際焊裝、焊接順序工藝。
展開 
軌道交通高架橋結構振動噪聲預測
問題描述：利用有限元結構分析軟件建立高架橋結構的三維有限元模型，分析其結構振動模態及在輪軌載荷作用下的結構表面振動速度。抽取高架橋結構外表面模型，導入噪聲模擬軟件后轉換為高架橋結構噪聲分析的邊界元模型。以有限元分析結果作為邊界元模型的激勵邊界條件，利用邊界元法預測高架橋結構的噪聲輻射情況。
閱讀全文:http://service.caenet.cn/Cases147.html
更多橋梁工程案例及相關工程師隊伍：http://service.caenet.cn/industry43
展開 隨機載荷作用下平臺結構疲勞壽命預測
摘要：海洋等工程結構物在服役過程中的受載歷程是一個隨機過程。研究裂紋在譜載荷作用下的擴展規
律對可靠預報平臺等結構物的疲勞壽命具有十分重要的意義。提出了一個由應力比和裂紋尖端約束及塑性
區尺寸為主要參數計算裂紋張開比，來考查載荷相互作用下疲勞裂紋擴展壽命的計算模型。用該模型對幾
種譜載荷作用下疲勞實驗結果進行了預測，將預測結果與不考慮裂紋閉合的線性損傷模型及疲勞計算程序
FASTRAN 的預測結果進行了比較，表明本模型能較好地預測譜載荷作用下的疲勞裂紋擴展。
隨機載荷作用下平臺結構疲勞壽命預測.pdf
展開 設計仿真 | Simufact焊接工藝仿真變形精確預測汽車結構
汽車案例舉例
上海大眾汽車有限公司作為Simufact的資深客戶，已經熟練使用Simufact welding解決實際結構件的焊接變形問題，隨著仿真數據及仿真經驗的積累，針對不同結構和焊接工藝，已經具備一些仿真判斷標準。一些結構焊接工藝的規劃，經過Simufact welding仿真驗證后，幫助其提升了焊接變形質量控制，受益明顯。
以下案例來自上海大眾汽車有限公司，展示了Simufact welding焊接工藝仿真軟件變形結果與實際焊接變形結果對比。結構分別為B柱熱成型板激光焊接案例以及白車身側圍門框焊接變形。
上海大眾汽車有限公司通過使用Simufact welding焊接仿真軟件，深刻認識到精確的仿真結果需要結合實際焊接工藝仿真，如下圖所示為實際焊裝、焊接順序工藝。
展開 設計仿真 | 基于ODYSSEE & Actran快速實現結構隔聲量預測和優化
ODYSSEE中針對36組訓練數據，采用交叉驗證方法尋找系統數據響應的最優機器學習預測算法：系統隔聲量-頻率曲線的最優機器學習方法為POD+Kriging，預測精度為87.4%；系統隔聲量總值的最優機器學習方法為Kriging，預測精度為99.9%。針對4組驗證數據的預測結果和Actran計算結果對比如下圖所示。
圖6. 4組驗證數據的隔聲量-頻率曲線結果對比：實線-ODYSSEE預測；虛線-Actran計算。
編輯
跳轉
表1. 4組驗證數據的隔聲量總值結果對比
基于上述隔聲量的ODYSSEE機器學習模型，用戶可以對設計空間內任意參數組合情況下的結構隔聲量曲線和總值實現秒級結果的預測，而一組新的參數組合下Actran的仿真分析需要幾分鐘時間。
PART.02
基于AI/ML的結構隔聲量優化
在實際的工程項目設計中，對結構隔聲量有性能要求，同時還要滿足一些外部的約束，例如整體結構質量限制等，因此要求工程師進行設計優化，以滿足產品要求。傳統的優化工具一般需要結合仿真軟件一起使用，在每個優化迭代步調用仿真軟件，求解新參數下的系統響應（這里為隔聲量），所以需要很長時間才能得到優化設計參數。
使用ODYSSEE軟件工具，以上述構建的高精度快速預測模型結合優化算法，可以大大提高設計優化的效率。在本案例中，通過設置結構總重量約束，對泡沫的厚度和重層的厚度兩個參數進行優化，以實現整體結構隔聲量最大化，優化參數定義如下表。
表2. 參數優化定義
經過37次優化迭代，優化程序終止，找到了符合整個結構的總重量不超過32公斤，隔聲量最大的優化設計。
展開 