AlphaFold2的思路总结（十五）

2021SC@SDUSC

---

这学期的代码分析工作接近尾声了，我想简单总结一下AlphaFold2的总体思路

---

  具体来看，AlphaFold2主要利用多序列比对（MSA），把蛋白质的结构和生物信息整合到了深度学习算法中。它主要包括两个部分：神经网络EvoFormer和结构模块（Structure module）。

一、EvoFormer

  在EvoFormer中，主要是将图网络（Graph networks）和多序列比对 （MSA）结合完成结构预测。
  图网络可以很好表示事物之间的相关性，在这里，它可以将蛋白质的相关信息构建出一个图表，以此表示不同氨基酸之间的距离。
  用Attention机制构建出一个特殊的“三重自注意力机制（Triangular self-attention）”，来处理计算氨基酸之间的关系图。
  然后，他们将这一步得到的信息与多序列比对结合。多序列比对主要是使相同残基的位点位于同一列，暴露出不同序列之间的相似部分，从而推断出不同蛋白质在结构和功能上的相似关系。计算出的氨基酸关系与MSA进行信息交换，能直接推理出空间和进化关系的配对表征。

二、Structure Module

  架构的第二部分