详细内容或原文请订阅后点击阅览
计算生物学和生物信息学深度学习教程：从 DNA 到蛋白质折叠和 alphafold2
一本自学指南，用于理解将深度学习应用于生物学和生物信息学所必需的生物学概念，重点关注蛋白质折叠和 alphafold2 相关内容
来源:AI夏令营AlphaFold 2 论文和代码终于发布了。这篇文章旨在激励新一代机器学习 (ML) 工程师专注于基础生物学问题。
这篇文章收集了核心概念，以便最终掌握 AlphaFold2 之类的东西。我们的目标是让这篇博文在生物学方面尽可能地自我完善。因此，在本文中，您将了解：
- 生物学的中心法则蛋白质和蛋白质水平氨基酸、核苷酸和密码子蛋白质结构特征，如域、基序、残基和转角分布图表型和基因型多序列比对可以用 MLA 处理的生物学任务生物学与 ML 模型设计的关联
生物学的中心法则
蛋白质和蛋白质水平
氨基酸、核苷酸和密码子
蛋白质结构特征，如域、基序、残基和转角
距离图
表型和基因型
多序列比对
可以用 ML 处理的生物学任务
生物学与 ML 模型设计的关联
我们假设您没有生物学背景，但有一点 ML 背景。
我们假设您没有生物学背景，但有一点 ML 背景。
没有首先，让我们将自己置于更广泛的背景中。我选择的精彩介绍是 Ken Dill 在 TEDx 上的演讲：
这几乎就是 2013 年科学界的现状。谁能想到深度学习会渗透到如此小众的领域！甚至更进一步，创建最大的蛋白质公共数据库：
数据库 AlphaFold 的蛋白质结构数据库如果这激发了你的好奇心，那就来尝试一些完全不同的东西吧！