Два года спустя возникает дополнительный вопрос к заданному здесь: как узнать, верны ли результаты проекта Folding@Home? Поскольку мы совершенно уверены, что F@H работает правильно и следует заявлению этой статьи :
Подобные методы могут быть применены к сворачиванию белков, снижению потребления энергии или поиску революционных новых лекарств и материалов.
... Я хотел бы спросить, можно ли применить ИИ, такие как глубокое обучение, нейронные сети и остальные современные модные словечки, к молекулярной динамике, особенно в области сворачивания белков?
Да и нет :-)
Тем временем можно довольно точно предсказать многие белковые структуры, даже те, для которых ранее не была известна эталонная укладка.
В этом случае важным модным словом является «большие данные»: комутации (заряженных аминокислот), которые можно обнаружить при секвенировании многих независимых геномов. (... что косвенно игнорирует акцент на динамике сворачивания белка)
От редакции: 2017 г., Наука: http://www.sciencemag.org/news/2017/01/hundreds-elusive-protein-structures-pinned-down-genome-data .
Перспектива: Soding et al. , 2017, Наука ( http://science.sciencemag.org/content/355/6322/248 )
Научная статья: Овчинников и соавт. 2017, Наука ( https://www.bakerlab.org/wp-content/uploads/2017/01/ovchinnikov_science_2017.pdf )