降低AI for Science門檻，實(shí)現(xiàn)生命科學(xué)領(lǐng)域新突破

　　來源：科技日報

　　說到AlphaGo，一般人都或多或少聽說過，它因擊敗了人類圍棋大師被譽(yù)為“世界壯舉”，標(biāo)志著人類向通用型的人工智能邁出了具有里程碑意義的重要一步。

　　而如今在前沿科學(xué)研究中的AlphaFold2模型則是人工智能(AI)應(yīng)用的另外一個標(biāo)志，它因展現(xiàn)出AI for Science的巨大潛力，而受到了各界人士的青睞。

　　AlphaFold2助蛋白質(zhì)結(jié)構(gòu)預(yù)測，樹AI for Science新高度

　　蛋白質(zhì)是組成人體細(xì)胞組織的重要成分，對蛋白質(zhì)三維結(jié)構(gòu)開展有效解析與預(yù)測，可為生物學(xué)、醫(yī)學(xué)、藥學(xué)乃至農(nóng)業(yè)、畜牧業(yè)等行業(yè)未來研究與發(fā)展提供重要依據(jù)，尤其對與人類健康直接相關(guān)的藥物研發(fā)意義重大。

　　然而，用X光、冷凍電鏡、核磁共振等傳統(tǒng)方法對蛋白質(zhì)結(jié)構(gòu)進(jìn)行解析，遠(yuǎn)趕不上氨基酸序列的增加速度，這會造成海量待測樣品在實(shí)驗(yàn)室中等待數(shù)月乃至數(shù)年。國際權(quán)威數(shù)據(jù)庫SWISS-PROT顯示，目前累計的蛋白序列的信息已經(jīng)超過56萬，用傳統(tǒng)方法去完成這浩瀚繁多的測序無疑成為“不可能完成的任務(wù)”，須另辟蹊徑。

　　科技創(chuàng)新的車輪滾滾向前。如前文所述，人工智能的發(fā)展為蛋白質(zhì)測序效率帶來了契機(jī)。其中AlphaFold2模型讓人工智能在生物醫(yī)藥領(lǐng)域發(fā)揮著重要的作用。

　　一般來說，人工智能方法的預(yù)測精度超過90分，便可認(rèn)為預(yù)測結(jié)果與實(shí)驗(yàn)方法得到的蛋白質(zhì)結(jié)構(gòu)基本一致。而AlphaFold2的92.4分，其不僅可以分析X-射線晶體學(xué)很難解決的楔入細(xì)胞膜中的蛋白質(zhì)結(jié)構(gòu)，還成功解開了蛋白質(zhì)折疊問題，甚至可以幫助研究者們制造自然界中不存在的蛋白質(zhì)。

　　AlphaFold2帶來的這些重大突破，標(biāo)志著AI輔助藥物基礎(chǔ)理論研究進(jìn)入新的階段，樹立了AI for science新高度。

　　比如，目前全球設(shè)計的幾乎所有的藥物都作用于蛋白質(zhì)，通俗講，需要像鑰匙開鎖般精確匹配，而此過程的第一步是確定哪把鑰匙開哪把鎖，用更專業(yè)的話說，就是尋找藥物靶標(biāo)，即弄清楚藥物分子作用與何種蛋白結(jié)合。而通過可解碼蛋白質(zhì)結(jié)構(gòu)的人工智能算法，就可快速篩選成千上萬的新藥物靶標(biāo)，從而大大縮短新藥研制周期;而制造自然界中并不存在的蛋白質(zhì)，無疑可以更好幫助人類以前所未有的方式應(yīng)對重大挑戰(zhàn)。

　　端到端優(yōu)化AlphaFold2，讓人工智能更普適濟(jì)民

　　AlphaFold2為蛋白質(zhì)結(jié)構(gòu)解析與預(yù)測提供了通途，為人工智能在生物醫(yī)藥等領(lǐng)域的應(yīng)用打開了新的窗口，然而隨其在產(chǎn)、學(xué)、研各細(xì)分領(lǐng)域中的落地，也遇到嚴(yán)峻挑戰(zhàn)。例如，隨各種應(yīng)用對于推理高通量和高性能的需求與日劇增，使用者需要更加充分地挖掘平臺計算潛力，來提升執(zhí)行效率。

　　所謂高通量測序技術(shù)，也被稱為革命性的蛋白質(zhì)測序方法，也是“十四五”時期生物經(jīng)濟(jì)領(lǐng)域重點(diǎn)推進(jìn)創(chuàng)新應(yīng)用的一項(xiàng)關(guān)鍵技術(shù)，簡單講就是一次并行對大量核酸分子進(jìn)行平行序列測定的技術(shù)，但實(shí)施一次測序就能產(chǎn)出不低于100Mb的數(shù)據(jù)，這巨大的數(shù)據(jù)量給AlphaFold2的應(yīng)用帶來很大困擾。

　　原來，AlphaFold2剛問世時由于算法和硬件架構(gòu)本身等問題，如GPU的并行計算，但是這類硬件存在嚴(yán)重的內(nèi)存限制，使得即便是使用單卡最大內(nèi)存，能夠輸入去預(yù)測的蛋白質(zhì)序列長度也不足1000氨基酸。

　　面對突破這一瓶頸的急迫需求，英特爾® 架構(gòu)產(chǎn)品--內(nèi)置AI加速能力的至強(qiáng)® 可擴(kuò)展平臺搭配傲騰™ 持久內(nèi)存的產(chǎn)品組合，使得CPU平臺得以具備TB級的內(nèi)存容量，有潛力滿足高通量測序需求�；�于這一優(yōu)勢，英特爾針對不同氨基酸序列長度下蛋白質(zhì)結(jié)構(gòu)預(yù)測所需占用的內(nèi)存開展了實(shí)驗(yàn)，實(shí)踐表明該組合打破了限制預(yù)測序列長度的 “內(nèi)存墻”，實(shí)現(xiàn)了AlphaFold2的高通量優(yōu)化。

　　結(jié)果顯示，從短到206個氨基酸，至長到2797個氨基酸，最終都達(dá)到了預(yù)期效果，驗(yàn)證了至強(qiáng)® 可擴(kuò)展平臺產(chǎn)品組合，能夠輕松應(yīng)對AlphaFold2蛋白質(zhì)測序從20GB至510GB的內(nèi)存占用，并有助于其實(shí)現(xiàn)更大范圍的蛋白結(jié)構(gòu)探索。

　　在推動AlphaFold2提升普適性、拓展應(yīng)用的進(jìn)程中，英特爾在發(fā)揮至強(qiáng)® 可擴(kuò)展平臺產(chǎn)品組合提供強(qiáng)勁通用算力的同時，亦充分利用豐富的軟件工具實(shí)施通量優(yōu)化，讓處理器內(nèi)置的英特爾® AVX-512技術(shù)，在英特爾® oneAPI 軟件工具的激活與配合下，實(shí)現(xiàn)并行計算加速，為AlphaFold2應(yīng)用進(jìn)一步提供性能調(diào)優(yōu)空間。

　　這一軟件級調(diào)優(yōu)，經(jīng)先在預(yù)處理階段對模型進(jìn)行高通量優(yōu)化，然后將模型遷移到PyTorch框架，接著再在PyTorch版本上進(jìn)行細(xì)節(jié)上的推理優(yōu)化，最后給予TB級內(nèi)存支持，即可實(shí)現(xiàn)更優(yōu)的加速效果。

　　經(jīng)由上述基于至強(qiáng)® 可擴(kuò)展平臺對AlphaFold2實(shí)施的端到端優(yōu)化，對于一個含有765氨基酸的蛋白質(zhì)測試樣例，采用CPU 64個物理核并發(fā)模式，支持了最高3.2TB的內(nèi)存消耗，測試通量從未經(jīng)任何優(yōu)化的4.56序列/天提升105.35序列/天，效率提升達(dá)23.11倍;且如果在單節(jié)點(diǎn)上配備最高8TB內(nèi)存，就可以支持完成高于10000氨基酸序列長度下蛋白結(jié)構(gòu)的預(yù)測，為人工智能在藥物研發(fā)等領(lǐng)域的廣泛應(yīng)用展現(xiàn)了無限可能。

　　在國際學(xué)術(shù)期刊《Science》聯(lián)合英特爾推出的《架構(gòu)師成長計劃》課程中，晶泰科技的首席研發(fā)專家楊明俊博士這樣談到：“以AlphaFold2為代表的研究成果，被認(rèn)為是開拓了科學(xué)研究的第四范式，就是基于大量的數(shù)據(jù)，然后采用以深度神經(jīng)網(wǎng)絡(luò)為代表的模型，給出對問題的一個解答。蛋白質(zhì)結(jié)構(gòu)預(yù)測曾經(jīng)被認(rèn)為是不可能完成的一件事情，如今被AI算法實(shí)現(xiàn)，這標(biāo)志著AI在生物醫(yī)藥領(lǐng)域的進(jìn)展邁入了一個全新的領(lǐng)域和階段。”

　　《“十四五”生物經(jīng)濟(jì)發(fā)展規(guī)劃》明確把加快發(fā)展高通量基因測序技術(shù)，作為開展前沿生物技術(shù)創(chuàng)新的重要手段;支持采用人工智能等信息技術(shù)，實(shí)現(xiàn)藥物產(chǎn)業(yè)的精準(zhǔn)化研制，進(jìn)而通過生物技術(shù)與信息技術(shù)融合更好惠民。

　　相信在這一進(jìn)程中，英特爾的架構(gòu)優(yōu)勢也能物其盡用，其軟硬兼施對AlphaFold2生物信息測序效率實(shí)現(xiàn)端到端優(yōu)化，并使其具備更高適用性的生動實(shí)踐，展現(xiàn)了人工智能與科學(xué)研究的相互融合，并為人類在前沿科學(xué)領(lǐng)域的未來發(fā)展帶來了廣闊的想象空間。通過不斷地范式創(chuàng)新成果樹立新的“AI for Science”里程碑，以創(chuàng)造更美好的未來!