近日,昇思MindSpore与昌平实验室、北京大学生物医学前沿创新中心(BIOPIC)和化学与分子工程学院、深圳湾实验室高毅勤教授课题组及鹏城实验室陈杰团队基于全场景AI框架昇思MindSpore实现AlphaFold2蛋白质结构训练。继2021年11月发布推理工具后,本次训练意味着国产AI框架具备了强大的AI for Science底层软件能力,同时也为相关科研工作者提供新的选择。该联合工作依托鹏城云脑II 昇腾AI 集群进行,单步迭代性能提升超过60%,TM-score达85分(国际权威评测数据集CASP14)。相关训练代码已在昇思MindSpore社区开源,后续也会在Openl启智社区进行开源并定期扩展与维护。
图.1 T1052-D1 预测结构图(左)CASP14 87 targets TM-score 对比(右)
蛋白质结构预测是获得蛋白质功能结构和构象的过程,近半个世纪以来,这一问题一直被誉为“21世纪的生物物理学”最重要的课题之一。在过去,因蛋白质构象数量巨大,计算过程复杂,通过AI来对蛋白质结构进行预测一直未能取得实质性突破,获取蛋白质空间结构的方法仍然以冷冻电镜、X-ray等实验技术为主,单个蛋白质的观测成本高达数月及数百万人民币。直至AlphaFold2的出现,使得这一问题迎来新的曙光。AlphaFold2凭借其接近实验精度的成绩取得CASP14蛋白质空间结构预测比赛的榜首,这一成就也被Nature誉为“前所未有的进步”。
2021年7月DeepMind宣布对AlphaFold2的推理代码进行开源,昇思与高毅勤课题组第一时间对其进行了复现及优化,并于同年11月开源了基于昇思MindSpore的推理工具,效率同比提升2-3倍。由于开源范围仅限推理,相关从业者无法基于此进行优化,因此许多团队积极地投入训练过程的复现。AlphaFold2模型本身存在内存需求大,数据处理繁琐,控制编译复杂等特点,对基础AI框架存在着巨大挑战。
近期,昇思MindSpore联合高毅勤课题组、鹏城实验室陈杰团队全面打通AlphaFold2的训练。采用昇腾基础软硬件平台后,在混合精度下,单步迭代时间由20秒缩短到12秒,性能提升超过60%。依托昇思MindSpore内存复用能力, 训练序列长度由384提升至512。
为了尽可能客观地评估训练结果,昇思MindSpore选取了AlphaFold2论文附录中提到的87条验证集进行验证,平均TM-score达到85分,基本持平AlphaFold2。
昇思MindSpore对蛋白质结构预测训练推理的支持填补了国产AI软硬件的空白。在训练精度接近AlphaFold2的基础上,昇思MindSpore将在算法、规模和软硬件支持等方向上持续改进,并计划开放共享训练数据集供同仁使用。昇思MindSpore也期望与更多学术界和工业界伙伴合作,进一步提升模型精度、扩展应用场景。
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
