#1 （转载）许锦波（9111）：十年冷清终不渝，一个计算生物学的拓荒者 科大人 2022年10月26日
发表于 ： 2024年 10月 14日 02:27
此帖转自 行观曰 在 军事天地（Military） 的帖子：许锦波（9111）：十年冷清终不渝，一个计算生物学的拓荒者 科大人 2022年10月26日
https://mp.weixin.qq.com/s/gPRzcovJx3RJz-fQaDP4Eg
许锦波（9111）：十年冷清终不渝，一个计算生物学的拓荒者
科大人
2022年10月26日 03:00
许锦波（9111）在丰田技术研究所任教时留影
一直到2014年，局面出现一线转机。
2012年，深度学习开始在图像识别领域展示出威力。许锦波很自然地想到，能不能用深度学习去做蛋白质结构预测。
2014年，许锦波设计了一种新的深度学习算法，从更为简单的问题入手——预测蛋白质的二级结构，即肽链主链骨架原子的空间位置排布，不涉及氨基酸残基侧链。测试发现，深度学习对这个简单问题有效。
这个时候，生物信息学领域里，只有极少数人关注到深度学习这一新的工具。
2015年和2016年，许锦波再次开发了一种更好的深度学习算法，可以直接用来预测蛋白质的三维结构。
许锦波解释道，“与能量最优化的传统方法不同，深度学习带来的新思路是预测原子之间的相互作用关系。”
很多人对此后的事情并不陌生。
2016年暑假，许锦波开发出第一代人工智能方法RaptorX，证明了深度残差卷积神经网络可以大幅度提高蛋白质结构预测的性能。
许锦波表示，“我们当时预测的一个有两百多个氨基酸的膜蛋白的结构，误差大概是2.29个埃，已经非常接近用实验技术解出来的结构的分辨率。”
2016年全球蛋白质结构预测比赛（CASP12），许锦波的这一方法震惊了在场人。
这一年秋天，许锦波在自己的研究所召开了一个小型报告，邀请了芝加哥大学生物物理系合作者，共同探讨研究成果。
其中一位是芝加哥大学生物物理系的博士后，在听完许锦波报告后，全力转向深度学习方法，并在一两个月后加入Deepmind。他就是后来领导DeepMind团队，设计了AlphaFold人工智能系统的John Jumper博士。
Image
John Jumper，被《Nature》评为2021年度十大科学人物
随后，许锦波也将论文成果公布于网络，发布后的第一个月，即在领域内引起了一波关注。2017年1月，这篇论文正式发表于国际计算生物学的官方期刊 PLoS Computational Biology，并在2018年上半年拿到了该刊创新突破奖。
在2018年的CASP 13中，许锦波进一步在比赛中验证他的深度学习方法，激励了蛋白质结构学界的许多研究小组，其中最具代表性的要属DeepMind、Baker两支团队，相继推出了 AlphaFold2、RoseTTAFold等AI模型，将AI预测蛋白质结构的研究推向高潮。
许锦波也逐渐有了“AI预测蛋白质结构全球第一人”的称号。
不过，这个成果本可以更早。因为2015年，许锦波就组织了学生去实现他的想法，但没有成功。2016年初，腾出一些时间的许锦波开始亲自写代码，直至七八月份完成初步成果。
还有一个小插曲是，这一成果最初投递的是《Nature》子刊，但是审稿的编辑不太相信结果。
“因为这个问题研究很多年了，一直没有什么进展，他不认为我们能做得这么好。”
事实上，无论是从方法还是成果上看，深度卷积残差网络都超前于时代。所以，即便是跟随许锦波多年的学生，或是权威杂志的审稿人，都很难理解他和他的成果。
许锦波说，“当时计算机科学背景的人都在扎堆做序列，研究结构的非常少，所以很多结构预测方面的成果不那么受重视。”
不过，也有很多人成了许锦波“学术上的朋友”。
曾在1994年创办CASP比赛，现任马里兰大学细胞生物学和分子遗传学系教授的约翰·莫尔特，对许锦波的工作作出了肯定。
他评价道：“DeepMind在开发一种非常有效的方法方面做得很好。然而，这项工作背后的概念和方法并非凭空而来，关键技术是深度学习方法的应用。毫无疑问，DeepMind直接建立在许锦波的工作之上。”
此外，2012年就转向深度学习，并在许锦波博士阶段指导过他的许东（现密苏里大学校董事会教授），对许锦波的工作寄予厚望：“锦波是蛋白质结构预测的少数且最重要的贡献者之一。随着蛋白质结构预测在更广泛的领域中取得进展，这一领域很可能再获得诺贝尔奖的认可。”
而许锦波的导师李明，更是毫不吝啬对爱徒的赞赏，“他是我在职业生涯中遇到的最有才华、最杰出的学者之一。”
https://mp.weixin.qq.com/s/gPRzcovJx3RJz-fQaDP4Eg
许锦波（9111）：十年冷清终不渝，一个计算生物学的拓荒者
科大人
2022年10月26日 03:00
许锦波（9111）在丰田技术研究所任教时留影
一直到2014年，局面出现一线转机。
2012年，深度学习开始在图像识别领域展示出威力。许锦波很自然地想到，能不能用深度学习去做蛋白质结构预测。
2014年，许锦波设计了一种新的深度学习算法，从更为简单的问题入手——预测蛋白质的二级结构，即肽链主链骨架原子的空间位置排布，不涉及氨基酸残基侧链。测试发现，深度学习对这个简单问题有效。
这个时候，生物信息学领域里，只有极少数人关注到深度学习这一新的工具。
2015年和2016年，许锦波再次开发了一种更好的深度学习算法，可以直接用来预测蛋白质的三维结构。
许锦波解释道，“与能量最优化的传统方法不同，深度学习带来的新思路是预测原子之间的相互作用关系。”
很多人对此后的事情并不陌生。
2016年暑假，许锦波开发出第一代人工智能方法RaptorX，证明了深度残差卷积神经网络可以大幅度提高蛋白质结构预测的性能。
许锦波表示，“我们当时预测的一个有两百多个氨基酸的膜蛋白的结构，误差大概是2.29个埃，已经非常接近用实验技术解出来的结构的分辨率。”
2016年全球蛋白质结构预测比赛（CASP12），许锦波的这一方法震惊了在场人。
这一年秋天，许锦波在自己的研究所召开了一个小型报告，邀请了芝加哥大学生物物理系合作者，共同探讨研究成果。
其中一位是芝加哥大学生物物理系的博士后，在听完许锦波报告后，全力转向深度学习方法，并在一两个月后加入Deepmind。他就是后来领导DeepMind团队，设计了AlphaFold人工智能系统的John Jumper博士。
Image
John Jumper，被《Nature》评为2021年度十大科学人物
随后，许锦波也将论文成果公布于网络，发布后的第一个月，即在领域内引起了一波关注。2017年1月，这篇论文正式发表于国际计算生物学的官方期刊 PLoS Computational Biology，并在2018年上半年拿到了该刊创新突破奖。
在2018年的CASP 13中，许锦波进一步在比赛中验证他的深度学习方法，激励了蛋白质结构学界的许多研究小组，其中最具代表性的要属DeepMind、Baker两支团队，相继推出了 AlphaFold2、RoseTTAFold等AI模型，将AI预测蛋白质结构的研究推向高潮。
许锦波也逐渐有了“AI预测蛋白质结构全球第一人”的称号。
不过，这个成果本可以更早。因为2015年，许锦波就组织了学生去实现他的想法，但没有成功。2016年初，腾出一些时间的许锦波开始亲自写代码，直至七八月份完成初步成果。
还有一个小插曲是，这一成果最初投递的是《Nature》子刊，但是审稿的编辑不太相信结果。
“因为这个问题研究很多年了，一直没有什么进展，他不认为我们能做得这么好。”
事实上，无论是从方法还是成果上看，深度卷积残差网络都超前于时代。所以，即便是跟随许锦波多年的学生，或是权威杂志的审稿人，都很难理解他和他的成果。
许锦波说，“当时计算机科学背景的人都在扎堆做序列，研究结构的非常少，所以很多结构预测方面的成果不那么受重视。”
不过，也有很多人成了许锦波“学术上的朋友”。
曾在1994年创办CASP比赛，现任马里兰大学细胞生物学和分子遗传学系教授的约翰·莫尔特，对许锦波的工作作出了肯定。
他评价道：“DeepMind在开发一种非常有效的方法方面做得很好。然而，这项工作背后的概念和方法并非凭空而来，关键技术是深度学习方法的应用。毫无疑问，DeepMind直接建立在许锦波的工作之上。”
此外，2012年就转向深度学习，并在许锦波博士阶段指导过他的许东（现密苏里大学校董事会教授），对许锦波的工作寄予厚望：“锦波是蛋白质结构预测的少数且最重要的贡献者之一。随着蛋白质结构预测在更广泛的领域中取得进展，这一领域很可能再获得诺贝尔奖的认可。”
而许锦波的导师李明，更是毫不吝啬对爱徒的赞赏，“他是我在职业生涯中遇到的最有才华、最杰出的学者之一。”
