男性脱发的潜在病理学机制是啥？腾讯AI Lab联合研究成果揭秘( 二 )

这一结果能直接推进我们对体内 SRD5A2 活性失调引发的各类疾病的理解，进而为基于 SRD5A2 结构的药物开发提供更多有价值的参考信息。
自研冠军级tFold工具突破蛋白质结构预测精度
腾讯 AI Lab 自研的 tFold 工具正是破解 SRD5A2 蛋白结构这一重要难题的关键。为了提升“从头折叠”方法（又称“自由建模”）的精度， tFold 工具通过三项技术创新，实现了蛋白结构预测精度的大幅提升。
首先，实验室研发了“多数据来源融合”（multi-source fusion）技术，来挖掘多组多序列联配（multiplesequence alignment, MSA）中的共进化信息。
然后，借助 “深度交叉注意力残差网络” （deep cross-attention residual network ， DCARN），能极大提高一些重要的蛋白2D结构信息（如：残基对距离矩阵）的预测精度。

本文插图
tFold server的3D Modeling输出页面。左边部分为从头折叠得到的3D蛋白模型；右边部分是该3D模型在给定的预测残基对距离矩阵下的偏差。
最后，通过一种新颖的“模板辅助自由建模“（Template-based Free Modeling, TBFM）方法，将自由建模（Free Modeling, FM）和模板建模（Template-based Modeling, TBM）生成的3D模型中的结构信息加以有效融合，从而大大提高了最终3D建模的准确性。
在研究方面， tFold 平台已在国际公认最权威的测试平台CAMEO上证明其创新价值及有效性。腾讯 AI Lab 于2020年初在CAMEO平台注册了自动化蛋白结构预测服务器 tFold server ，并自2020年6月起至今一直保持周度（图1）、月度、季度、半年度冠军。 tFold server在一般案例上领先业内权威方法6%以上，在困难案例上则领先12%以上。
在应用方面， tFold server的公测版也已经在腾讯「云深智药」平台发布。用户可以手动输入待预测的氨基酸序列或从本地上传FASTA 格式的序列文件。在经过一定时间的计算之后，用户即可得到使用“从头折叠”方法预测得到高精确度蛋白结构。
【采访人员】王春艳
【作者】王春艳
【来源】南方报业传媒集团南方+客户端
来源：南方+ - 创造更多价值