为什么研究人员需要易于接受的培训来理解和利用生命科学中的人工智能

要充分发挥任何技术的潜力，无论是基本的文字处理器还是尖端的人工智能算法，都需要进行一些培训。要真正发挥技术的优势，用户需要了解其工作原理、掌握其局限性并负责任地使用它。这在人工智能世界中最为重要。

SameerVelankar是EMBL欧洲生物信息学研究所(EMBL-EBI)的团队负责人，负责管理欧洲蛋白质数据库和AlphaFold蛋白质结构数据库的团队，这两个数据库是结构生物学的重要资源。

在这里，Velankar解释了GoogleDeepMind和EMBL-EBI如何积极合作，填补围绕革命性AlphaFoldAI技术的知识空白，该技术已经为几乎所有已知蛋白质生成了结构预测。

为什么为生命科学新技术提供无障碍培训很重要?

随着技术的快速进步，无障碍培训降低了进入壁垒，使世界各地的生命科学家能够有效、负责任地将新技术融入到他们的工作流程中。

了解如何使用新技术或数据库的结果并不简单，通常需要大量的背景知识和批判性思维。

科学家必须评估他们获得的数据在给定背景下是否有用。对于用户来说，了解技术的局限性也很重要——它能做什么、不能做什么、擅长什么以及不足之处。这只有通过可靠的文档和易于接受的培训才能实现。

您如何描述可获取的培训?

可访问性是多方面的。至少，培训应该很容易找到，而不是付费。EMBL-EBI长期以来一直以电子格式提供免费培训，以便全球受众可以免费访问。

无障碍培训还必须全面且易于具有不同培训背景、专业水平和能力的不同用户理解。这是一个持续的过程。应对这一挑战的唯一方法是不断与社区互动，在开发培训材料和教程时考虑广泛用户的反馈和问题。

为什么AlphaFold用户现在需要培训材料?

直到几年前，蛋白质结构数据的可用性仅限于数十万个通过实验确定的蛋白质结构，因此并不是每个人都能获得感兴趣的结构模型。这意味着并不是每个人都需要学习如何有效地使用结构模型。但自从GoogleDeepMind和EMBL-EBI公开了数百万个AlphaFold蛋白质结构预测后，我们已经进入了一个结构数据丰富的世界。

这意味着任何需要感兴趣蛋白质3D结构模型的人都可以拥有一个，无论他们是在研究人类健康、农作物、生物多样性、酶还是其他完全不同的东西。虽然人工智能预测并不能取代实验数据，并且准确性也各有不同，但它们是科学界一直在大量且创造性地使用的有用工具。

已有18,000篇科学论文引用了AlphaFold，该数据库在190个国家/地区拥有超过170万用户。有关AlphaFold影响的更多详细信息，请参阅最近发布的预印本。

令人兴奋的是，不仅结构生物学家，分子生物学家、临床医生、数据科学家和其他人也在使用蛋白质结构模型来加速他们的研究。AlphaFold预测正在惠及数百万以前从未接触过蛋白质结构数据的用户。

因此，我们迫切需要填补AlphaFold培训材料的空白，以支持想要利用这个丰富数据集的科学家。GoogleDeepMind和EMBL-EBI希望通过他们共同开发的新的综合性自定进度在线课程“AlphaFold：实用指南”来弥补培训材料方面的差距。

“AlphaFold：实用指南”课程有何独特之处?

GoogleDeepMind和EMBL-EBI首次共同推出了综合培训模块，其中包含生命科学不同领域专家的意见。它包含用户可能对AlphaFold软件和数据库有疑问但又不敢问的常见问题的解答。

“AlphaFold：实用指南”课程概述了AlphaFold的优势和局限性、访问预测的不同方式(包括通过AlphaFold数据库)、其他人如何使用AlphaFold预测的示例，以及迄今为止其对现实世界的影响。我们希望这将指导和激励用户以有效的方式将AlphaFold预测集成到他们的工作流程中。

由于课程是模块化的，学习者很容易只专注于他们感兴趣的领域。课程中的视频、教程和幻灯片支持不同的学习方式。

重要的是，根据社区反馈，我们做出了巨大努力，使本科生及以上学生能够理解该课程。

关于AlphaFold有哪些常见的误解?

根据我的经验，人们对AlphaFold能做什么、不能做什么存在一些困惑。因此，在本课程中，我们试图解释该方法的局限性以及预测在给定上下文中是否正确。

例如，我们已经解决了有关AlphaFold数据库中缺少配体和多聚体的一些常见问题。本课程的整个部分致力于更详细地解释AlphaFold质量指标，特别是每个残基模型置信度得分(pLDDT)和预测对齐误差(PAE)，以及如何使用它们来评估AlphaFold模型。

您希望新的AlphaFold培训课程产生什么影响?

我希望它将帮助研究人员以一种富有成效的方式从AlphaFold预测中受益，并通过精心设计的实验加速生命科学研究，在分子水平上揭示生物过程。

我们已经看到AlphaFold在许多学科中产生了现实世界的影响，不仅加速了结构生物学和基础科学的发展，而且还增强了转化研究的能力，例如了解与疾病相关的蛋白质、疫苗开发以及解决清洁等全球挑战通过产生吃塑料的酶来消除塑料污染。通过以最佳和负责任的方式使用这种变革性技术，还有很多东西有待发现，本课程旨在支持和实现这一点。

我们希望这个培训课程也可以融入到大学课程中，并根据社区反馈不断改进和发展。

团队在这方面的下一步计划是什么?

结构生物学作为一门学科正在向其他领域的专家开放。我们计划与GoogleDeepMind一起进一步开发培训，涵盖潜在主题，例如如何分析和使用实验产生的和人工智能预测的蛋白质结构，以及不同结构确定技术的优缺点。

通过将所有这些整合到一个地方，我们可以创建一个全面的培训资源，使全球科学界能够以与我们使用基因组或蛋白质序列相同的规模使用蛋白质结构和预测。这有可能降低进入壁垒，增加该领域的多样性和协作，并支持针对全球挑战的解决方案的开发。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！