8x8ⅹ华人永久免费视颍,中文字幕高清在线中文字幕,高清无码午夜福利在线观看,精品国产人成亚洲区

一個(gè)人在成長(zhǎng)過(guò)程中會(huì)遇到各種各樣的選擇問(wèn)題，如一些人生規(guī)劃的抉擇：上哪所大學(xué)，學(xué)什么專業(yè)，去哪家公司，等等。再如我們進(jìn)入一家電玩城，那里擺著一排老虎機(jī)，雖然外表一模一樣，但是每個(gè)老虎機(jī)吐錢的概率卻不一樣，作為一名資深玩家應(yīng)該選擇搖動(dòng)哪臺(tái)老虎機(jī)呢（圖1）？這些選擇問(wèn)題有沒(méi)有什么科學(xué)的辦法來(lái)解決呢？答案是：有！而且是非?？茖W(xué)的辦法，那就是強(qiáng)化學(xué)習(xí)中的多臂老虎機(jī)算法。該算法可以科學(xué)地推薦收益最大的方案，而且能夠應(yīng)用于許多領(lǐng)域，如：一種新疾病（如新冠），如何嘗試各種治療方法，來(lái)盡快治愈病人？一個(gè)新產(chǎn)品，如何調(diào)整定價(jià)，來(lái)獲得最大收入？一個(gè)新聞稿，如何嘗試推薦，來(lái)獲得最多總點(diǎn)擊次數(shù)？在大名鼎鼎的阿爾法狗（AlphaGo）中，也能看到多臂老虎機(jī)算法的身影。

圖1. 多臂老虎機(jī)模型

最近，北京大學(xué)化學(xué)與分子工程學(xué)院的劉志榮教授課題組將多臂老虎機(jī)算法應(yīng)用于天然無(wú)序蛋白質(zhì)的藥物設(shè)計(jì)問(wèn)題，大大加速了基于構(gòu)象系綜的配體虛擬篩選過(guò)程（圖2）。

圖2. 多臂老虎機(jī)的強(qiáng)化學(xué)習(xí)算法可以應(yīng)用于無(wú)序蛋白的配體虛擬篩選。

天然無(wú)序蛋白質(zhì)（Intrinsically Disordered Proteins）沒(méi)有固定的三維結(jié)構(gòu)，卻具有正常的生物學(xué)功能，不但是對(duì)蛋白質(zhì)“結(jié)構(gòu)-功能”傳統(tǒng)范式的重要補(bǔ)充，而且因其與多種疾病密切相關(guān)而成為重要的潛在藥物靶標(biāo)。無(wú)序蛋白與小分子的相互作用機(jī)制與傳統(tǒng)的有序蛋白迥然不同，在生理?xiàng)l件下是以包含很多不同構(gòu)象的系綜形式存在的，單單針對(duì)某一個(gè)構(gòu)象設(shè)計(jì)藥物并不能保證對(duì)整個(gè)無(wú)序蛋白系綜的結(jié)合有效性。如果對(duì)系綜中的所有構(gòu)象進(jìn)行分子對(duì)接，再結(jié)合統(tǒng)計(jì)熱力學(xué)原理將對(duì)接結(jié)果綜合起來(lái)，理論上是可以得到藥物配體與無(wú)序蛋白的結(jié)合親和力（J. Chem. Inf. Model. 2020, 60, 4967）（圖3）。但是，與傳統(tǒng)的藥物設(shè)計(jì)流程相比，這種做法的計(jì)算量將暴增成千上萬(wàn)倍，這在實(shí)際應(yīng)用中是無(wú)法接受的。那么，有沒(méi)有可能存在某種算法，既能夠大大降低計(jì)算量，又能保持較高的篩選性能？

圖3. 表觀親和力與單個(gè)構(gòu)象和配體的相互作用自由能有關(guān)

事實(shí)上，這種可能性是存在的。關(guān)鍵是需要認(rèn)識(shí)到虛擬篩選的目的不是準(zhǔn)確地計(jì)算所有小分子配體（數(shù)目通常高達(dá)十萬(wàn)）的親和力，而是篩選出少量的（數(shù)目在100左右）具有最大親和力的“頂尖”配體。對(duì)于位于金字塔底部的大量配體，是沒(méi)有必要準(zhǔn)確計(jì)算的。這與多臂老虎機(jī)問(wèn)題非常相似。對(duì)于這個(gè)老虎機(jī)問(wèn)題，顯然最佳的做法是找到那個(gè)預(yù)期收益最大的拉桿并不斷地去拉動(dòng)它。但是，玩家無(wú)法預(yù)先知道每一個(gè)拉桿的期望值，必須根據(jù)拉動(dòng)的結(jié)果來(lái)動(dòng)態(tài)地進(jìn)行估計(jì)。多臂老虎機(jī)問(wèn)題的目的是找出最有價(jià)值的1個(gè)拉桿，而虛擬篩選的目的是找出最有價(jià)值的100個(gè)配體，它們的核心問(wèn)題是共通的。

基于這些認(rèn)識(shí)，劉志榮課題組提出了一種可逆的UCB算法（reversible upper confidence bound, rUCB），用于對(duì)無(wú)序蛋白的強(qiáng)化學(xué)習(xí)虛擬篩選過(guò)程。在測(cè)試中，rUCB展現(xiàn)出了非常優(yōu)異的效果。例如，在人工數(shù)據(jù)的測(cè)試中，對(duì)于十萬(wàn)個(gè)配體，只需要進(jìn)行二十萬(wàn)次對(duì)接（即平均每個(gè)配體只需要對(duì)接兩次），所挑選出的親和力最大的100個(gè)配體的準(zhǔn)確性高達(dá)94%。對(duì)真實(shí)癌蛋白c-Myc的虛擬篩選中，rUCB也有很好的效果（圖4）。

圖4. 強(qiáng)化學(xué)習(xí)rUCB算法在癌蛋白c-Myc的配體虛擬篩選中的結(jié)果。

該工作表明強(qiáng)化學(xué)習(xí)算法可以有效解決無(wú)序蛋白藥物設(shè)計(jì)的配體虛擬對(duì)接中構(gòu)象數(shù)目過(guò)多所導(dǎo)致的瓶頸問(wèn)題。研究成果以“Reinforcement learning to boost molecular docking upon protein conformational ensemble”為題發(fā)表在Phys. Chem. Chem. Phys. (2021, 23, 6800-6806)上。（https://pubs.rsc.org/en/content/articlelanding/2021/cp/d0cp06378a#!divAbstract）。  論文第一作者為北京大學(xué)化學(xué)學(xué)院2021屆博士畢業(yè)生崇濱，通訊作者為劉志榮教授。該項(xiàng)研究受到國(guó)家自然科學(xué)基金委員會(huì)重點(diǎn)項(xiàng)目（21633001）和北京分子科學(xué)國(guó)家研究中心的資助。

參考資料：https://www.chem.pku.edu.cn/kyjz/128627.htm