-
- いいね！66
Google DeepMind
@GoogleDeepMind
Read more about #AlphaFold and #CASP14: bit.ly/3qdko1Q pic.twitter.com/K6n5fgK76q
2020-12-01 02:04:53
拡大
Ohue M/大上雅史
@tonets
ヒトのPPIはいまのところ50万ペアくらい知られているんだけど、そんな桁なわけないし少なくとも1000万ペアはゆうに超えると信じていて、まだ見ぬ950万PPIを暴くためにAlphaFold2でMEGADOCKしたい。
2020-12-01 02:07:05
Ohue M/大上雅史
@tonets
@inferist それは難しそうだけど、AlphaFold2の残基間学習の枠組みをinterとintraで分けてうまいことやればフツウに複合体構造の予測までいけそう。少なくとも複合体構造モデルのクオリティアセスメントは楽勝かもしれない。
2020-12-01 02:08:42
南 慎太朗
@shintaro_minami
CASPミーティングでのDeepMindチームのトークは明日朝10時（米国東海岸時間）のよう。このツイートした時間からほぼ25時間後ですね。
2020-12-01 02:08:59
Yoshitaka Moriwaki
@Ag_smith
@inferist @tonets 似たようなアルゴリズムを使った複合体の予測方法はこれ↓などがありますね。 journals.plos.org/ploscompbiol/a… 今回のAlphaFold2で使った手法が複合体にも適用可能なら複合体予測の精度も大幅に上がりそう
2020-12-01 02:20:18
Masakazu Sekijima
@m_sekijima
DeepMindの今回の意義は、結晶構造解析並みに計算機で構造予測が可能なことを示したけどAlphaFold2のプログラムは公開されないなら(AlphaFoldは公開されていない)、結局、CASPは公開をするアカデミアの成果を取り込みつつ膨大な予算と人員をかけて勝つゲームになってしまったなという思い。
2020-12-01 02:25:49
Masakazu Sekijima
@m_sekijima
更に言えば、アカデミアは少人数ながら取り組み、公開を行っているというコンテストがあれば、すべからくDeepMindに粉砕される(し、プログラムは公開されない)という可能性を強く示したと思う。
2020-12-01 02:30:09
Masakazu Sekijima
@m_sekijima
サイエンスではそういうことはそぐわないが。F1のようにお金を強くかけて勝つことをレギュレーションで規制するようなゲームや昔のゴードンベル賞のように(お金かけないで頑張った)パフォーマンス賞のようなものがないと、アカデミア側は一方的に搾取というか、養分になってしまうのかも。
2020-12-01 02:30:09
🕔
@inferist
@Ag_smith @tonets 個々の複合体の構造は分かってる状態だったらフォールド予測するのよりはだいぶ自由度下がってるしなんかイケちゃいそうですよね〜 応用の幅広そう 多少金取ってくれてもいいからみんなが使えるようにしてほしいですね
2020-12-01 02:31:40
Ohue M/大上雅史
@tonets
@m_sekijima 個人的には金と頭数のパワーでいける上限を示しているという点だけでアカデミックに価値があると思っていて、たとえプログラムが公開されなくとも（不誠実ではあるけれど）道さえわかってしまえばこの界隈ならすぐクローンが作れると思っています。
2020-12-01 02:32:47
Masakazu Sekijima
@m_sekijima
@tonets そうですね。救いがあるとすれば計算機のパワーが無茶苦茶上がり続けているので、A100でT4作ったらこれくらいのコストで出来そうとか思考実験しちゃいますもんね。
2020-12-01 02:39:11