诺贝尔化学奖垂青 AlphaFold 3
2020 年 12 月，AlphaFold 2 发布。相较于之前实验成本高、耗时长、蛋白质结构解析困难的传统方法，AlphaFold 2 可以通过深度学习技术，仅需几小时就能准确地预测蛋白质的三维结构，极大地加速了生物医学研究的速度。
众所周知，在包括人体在内的生物体当中，蛋白质并不是孤立运作的，蛋白质与各种其他分子的相互作用会贯穿不同的生物功能，这影响着研究生物和疾病的机理和通路、药物的研发等。但是，AlphaFold 2 无法预测蛋白质与其他类型分子的相互作用。
2024 年 5 月，DeepMind 发布了更先进的 AlphaFold 3，支持不同类型的生物分子（包括蛋白、小分子配体、DNA、RNA 和离子）之间的相互作用，并大大加速了蛋白质结构的绘制。在过去，研究人员可能需要用数年时间才能建模出一个结构，但 AlphaFold 3 现在只需几分钟，即可获得与实验精度相当的预测结果。
10 月 9 日，瑞典皇家科学院宣布了本年度诺贝尔化学奖的归属，大卫·贝克（David Baker）、德米斯·哈萨比斯（Demis Hassabis）以及约翰·M·詹珀（John M. Jumper）三位科学家因在蛋白质研究领域运用深度学习技术而共同获奖。其中，哈萨比斯和詹珀就是 AlphaFold 开发者，二人带队开发 AI 模型 AlphaFold，基于深度学习和神经网络技术的算法，不仅预测了蛋白质的三维结构，还成为所有蛋白质结构研究中的关键工具，AI 正在开启人类生命科学的新时代。
HelixFold 3 高性能计算线上服务
百度螺旋桨团队凭借多年在生命科学领域的研发积累，于 2024 年 8 月，正式对外发布 HelixFold 3 ，在常规的小分子配体、核酸分子（包括 DNA 和 RNA）以及蛋白质的相互作用和结构预测上，成功复现 AlphaFold 3 的效果。HelixFold 3 也是全球首个对标 DeepMind AlphaFold 3 的模型。
现在，百度螺旋桨 PaddleHelix 团队联合百度智能云的「云高性能计算平台 CHPC」，提供 HeliexFold 3 高性能计算线上服务。借助云高性能计算平台 CHPC，科研人员可以低成本进行大规模的结构预测，精准筛选出高潜力候选分子，降低试错成本，提升药物研发效率。
此外，百度智能云 CHPC 平台还集成了其他生命科学类应用，适用于小分子药物、多肽/蛋白药物以及 mRNA 药物研发等场景，支持灵活的 API 调用、无代码操作。同时，CHPC 对这些应用进行了性能优化，加速新药的创制和优化过程，为人类生命探索提供算力平台支撑。
使用 HelixFold 3 预测生物分子结构 – CHPC 实践指南：使用螺旋桨HelixFold3预测生物分子结构 - 云高性能计算平台CHPC | 百度智能云文档
研究人员借助 HelixFold 3 高性能计算线上服务，仅需几步简单的点击操作，就可以通过 HelixFold 3 对蛋白质、DNA、RNA 、选定配体等组成的复杂生物分子结构进行建模，预测蛋白质与细胞内其他分子的相互作用，协助研究者制定新的研究假设与验证，加速研究与开发流程。即便是没有广泛计算资源或深厚机器学习背景的研究者，也能轻松上手。
欢迎大家在线体验HelixFold3：PaddleHelix - 螺旋桨生物计算平台
高性能计算CHPC 在生命科学领域的应用
生命科学行业的企业 A 采购部署了本地 HPC 资源。虽能满足日常科研工作，但在对外交付的项目中经常出现大量的短期算力需求，本地 HPC 的资源规模难以确保项目如期交付。
企业 A 借助百度智能云的 CHPC 构建了覆盖本地集群的混合云 HPC 方案，确保资源需求的高峰期自动扩展云上资源，并借助经过 Btune 性能调优过的开源应用程序，加速高通量基因测序和深度分析等任务，加快科研成果产出。
同时，在任务运行完成后，企业 A 将存储在对象存储 BOS 中的业务结果数据一键同步至百度网盘分发给下游客户，不仅为企业 A 节省了对象存储的流量费用，还提升了下游客户的业务体验。
除此之外，云高性能计算平台 CHPC在小分子药物研发、多肽/蛋白药物研发、mRNA药物研发等众多应用实践落地，帮助企业降低成本，快速提升药物研发效率，不断提升企业的竞争力。
