昇思 MindSpore 再突破：蛋白质结构预测训练推理全流程开源，助力生物医药发展
来源：写作平台
近日，昌平实验室、北京大学生物医学前沿创新中心（BIOPIC）、化学与分子工程学院、深圳湾实验室高毅勤教授课题组及鹏城实验室陈杰团队与昇思 MindSpore 基于全场景 AI 框架昇思 MindSpore 实现 AlphaFold2 蛋白质结构训练。继 2021 年 11 月发布推理工具后，本次训练意味着国产 AI 框架具备了强大的 AI for Science 底层软件能力，同时也为相关科研工作者提供新的选择。该联合工作依托鹏城云脑 II 昇腾 AI 集群进行，单步迭代性能提升超过 60%，TM-score 达 85 分（国际权威评测数据集 CASP14）。相关训练代码已在昇思 MindSpore 社区开源，后续也会在 Openl 启智社区进行开源并定期扩展与维护。
蛋白质结构预测是获得蛋白质功能结构和构象的过程，近半个世纪以来，这一问题一直被誉为“21 世纪的生物物理学”最重要的课题之一。在过去，因蛋白质构象数量巨大，计算过程复杂，通过 AI 来对蛋白质结构进行预测一直未能取得实质性突破，获取蛋白质空间结构的方法仍然以冷冻电镜、X-ray 等实验技术为主，单个蛋白质的观测成本高达数月及数百万人民币。直至 AlphaFold2 的出现，使得这一问题迎来新的曙光。AlphaFold2 凭借其接近实验精度的成绩取得 CASP14 蛋白质空间结构预测比赛的榜首，这一成就也被 Nature 誉为“前所未有的进步”。
2021 年 7 月 DeepMind 宣布对 AlphaFold2 的推理代码进行开源，昇思与高毅勤课题组第一时间对其进行了复现及优化，并于同年 11 月开源了基于昇思 MindSpore 的推理工具，效率同比提升 2-3 倍。由于开源范围仅限推理，相关从业者无法基于此进行优化，因此许多团队积极地投入训练过程的复现。AlphaFold2 模型本身存在内存需求大，数据处理繁琐，控制编译复杂等特点，对基础 AI 框架存在着巨大挑战。
近期，高毅勤课题组、鹏城实验室陈杰团队联合昇思 MindSpore 全面打通 AlphaFold2 的训练。采用昇腾基础软硬件平台后，在混合精度下，单步迭代时间由 20 秒缩短到 12 秒，性能提升超过 60%。依托昇思 MindSpore 内存复用能力, 训练序列长度由 384 提升至 512。
为了尽可能客观地评估训练结果，昇思 MindSpore 选取了 AlphaFold2 论文附录中提到的 87 条验证集进行验证，平均 TM-score 达到 85 分，基本持平 AlphaFold2。
昇思 MindSpore 对蛋白质结构预测训练推理的支持填补了国产 AI 软硬件的空白。在训练精度接近 AlphaFold2 的基础上，昇思 MindSpore 将在算法、规模和软硬件支持等方向上持续改进，并计划开放共享训练数据集供同仁使用。昇思 MindSpore 也期望与更多学术界和工业界伙伴合作，进一步提升模型精度、扩展应用场景。
代码开源路径：
https://gitee.com/mindspore/mindscience/tree/dev/MindSPONGE/mindsponge/fold
昇思 MindSpore：
Gitee：https://gitee.com/mindspore/mindspore
Github：https://github.com/mindspore-ai/mindspore
更多阅读