第二劑高端疫苗,注射。
Medigen Vaccine (2nd dose) jabbed。
說到做到,我挺國產疫苗,我注國產疫苗。
說到做到,英文俗諺是 Put your money where your mouth is ,意思就是,用嘴巴講沒有用,真的去做才是支持。
前陣子,美國從阿富汗撤軍,國民黨與民眾黨人,譏諷台灣是下一個阿富汗。至多說一句,阿富汗撤軍的教訓,是要自立自強,不要只想靠他人的幫助。
沒錯,自立自強,很好。
有什麼比國產疫苗,更自立自強的?
有什麼比自己注射國產疫苗,更說到做到的?
國民黨對國產生技業的黑,不是一天兩天,早先以前,國民黨就是用這種抹黑的方式,把對全球生化醫學貢獻匪淺,全台灣最接近諾貝爾獎的男人,中研院翁啟惠院長,抹黑成一個無恥的小偷。
管你是多偉大的科學家、藝術家,只要不跟他同流合污,他就毀了你。
國民黨用像「宇昌」案一樣的手法,抹黑翁啟惠,指控他「技轉」、「炒股」,翁啟惠前院長蒙受不白之冤,辭去院長,在纏訟多年後,2019年,司法判決翁啟惠無罪,還他清白。
但台灣的生技業被國民黨凌遲、重挫。
生物科技產業到底是怎麼重挫?
浩鼎案發生在2016年,整個產業迅速冷凍、萎縮。
大學生不敢選讀生物科技相關科系、相關科系畢業的人才不敢投入、在海內外相關人才不敢回流台灣、相關實驗室不敢做技術轉移、各個投資案喊停、資本市場投資氣氛降到冰點,生技公司紛紛轉型、收攤。
台灣上櫃生技指數,在2016-2017兩年間,縮水了36%。等於整個資本被連根拔起。
所幸,還有相信台灣的人,還有台灣的科學家沒有放棄,像翁啟惠前院長這樣的大師,沒有放棄。他們更埋首研究,偉大的心靈不受到低級的政治追殺所污染。
今年九月初,翁啟惠前院長,得到號稱為諾爾化學獎前菜的「威爾許化學獎」(Welch Award in Chemistry),史上第一個獲得這個殊榮的台灣人。
翁啟惠前院長在醣分子領域的研究,與中研院基因體中心馬撤團隊研發的「廣效性流感疫苗」,研發出「單醣化棘蛋白(monoglycosylated spike protein)廣效疫苗」。
如果這個研究能成功,世界上就會有一支不怕病毒株變種的疫苗,管它武汉肺炎病毒株是變種成Alpha、Beta 還是 Omega,全部都不用再怕。
現在這個研究引起全世界產官學界的高度關注,不只威爾許化學獎委員會頒獎給翁前院長的研究,就連下一屆的諾貝爾化學獎,翁前院長都是呼聲很高的人選。
全世界科學界都肯定的大師翁啟惠前院長,全球的疫苗實驗室、藥廠,都高度關注的研究計畫。
全球都肯定,只有中國國民黨不肯定,全球都說好,只有中國國民黨說不好。
才不過幾年前的事,國民黨如何對翁前院長羞辱、嘲笑、抹黑、人格謀殺。
翁前院長自己說,如果沒有2016年浩鼎案對台灣生技產業的重創,這一次武汉肺炎爆發之際,台灣很有可能更早就能研發出優良的疫苗。翁前院長也肯定政府對高端、聯亞的疫苗研發的支持。
翁啟惠前院長在中研院擔任院長任內,鼓勵產學合作,設立生技研究園區,創造從基礎研究連結轉譯醫學的聚落以促進創新發展。甚至於,制定生技條例、修改科技基本法,建立國家生技研究園區,都是翁啟惠院長一手催生而成。
也埋下了日後台灣生技研究能在浩鼎案後,浴火重生的基礎。
台灣能在浩鼎案後的廢墟裡,仍然站起來,研發出國產疫苗,實屬不易。
注射國產疫苗,就是我對所有對台灣不離不棄,堅持為台灣付出的科學家們,最基本的肯定與溫暖。
台灣加油!
基隆市議員 張之豪
諾 貝爾 化學獎 頒獎 在 BusinessFocus Facebook 的最讚貼文
【#BF社會熱話】誠哥獲諾貝爾醫學獎得主贈獎牌 指科學必重塑人類的命運
.
李嘉誠基金會在Facebook發文,指這星期原是諾貝爾頒獎典禮,疫情關係,得獎者各自收到大會寄出的獎牌, 兩位獲基金會支持研究工作的李嘉誠講座席教授,加拿大阿爾伯特大學Michael Houghton 及美國加州柏克萊大學Jennifer Doudna,不約而同把諾貝爾獎牌(複製版)送給李嘉誠,並在以Zoom舉行的祝賀儀式上, 向李嘉誠展示。
.
李嘉誠今早在Zoom儀式上祝賀2020年諾貝爾醫學獎得主Michael Houghton教授及化學獎Jennifer Doudna教授,表示自己一直深信命和運,是天數與選擇之間的互動; 而科學必重塑人類的命運。兩位教授帶領的非凡團隊成就不世之功,惠傳代代世人。深深感謝他們送贈諾貝爾獎牌,讓自己可以分享他們的喜悅。
.
李嘉誠指:「誰曾想到,一個走過貧病戰爭的人,能在研究道上參與和支持您們的努力,這是我一份光榮。大家對我的鼓勵,我將時刻不忘;每天心上不斷轉動的問題,是如何支持男女科學家推進美好的工作,這是我基金會在萬變社會中不變的承諾,再次感謝大家﹗ 」
—————————————————
了解更多最快最新的財經、商業及創科資訊,請追蹤
Instagram:www.instagram.com/businessfocus.io/
—————————————————
時刻接收市場最新資訊,請追蹤Telegram頻道:t.me/businessfocusofficial
—————————————————
請於本專頁cover photo下方,按『Following』按鈕然後選擇『See First』
—————————————————
若有任何商業、財經及科技資訊的新聞稿,歡迎Inbox或電郵至
info@businessfocus.io!廣告合作請電郵至[email protected]
—————————————————
如果你對初創、商業及科技界有所見解,敬請投稿至info@businessfocus.io
歡迎"Join" BF討論區暢談財經、商業及創科話題:
www.facebook.com/groups/344368612697900/
訂閱BusinessFocus YouTube頻道:
www.youtube.com/channel/UCzZszEpbE87Mfh-q7D472BA
諾 貝爾 化學獎 頒獎 在 Facebook 的最讚貼文
「它將改變一切!」
DeepMind AI解決生物學50年來重大挑戰,破解蛋白質分子折疊問題。
本週振奮全球AI界的消息:Google旗下人工智能企業DeepMind發布了最新 AlphaFold成果,這是全球AI界無比振奮的重大科研突破。蛋白質存在於我們世界中的所有有機物體及奧妙人體中,全新的AlphaFold 算法揭秘了生物學界50年來試圖破解蛋白質分子折疊的難題,這項AI帶來的重大突破,將幫助科學家弄清某些困擾人們的疾病機制、加速找出新型流行病的具體原因(比如今年的全球新冠大流行),促進新藥設計、幫助農業增產、解析可有效降解廢棄物的嶄新成分、甚至探索為大氣減碳的全新解決方案。
我特別期待 AlphaFold 能為人類健康、環境生活推向更寬廣的可能性。在魔幻2020 最後一個月,這真是一個讓人懷抱希望的全新技術可能性,期待 AlphaFold之後締造更多 AI for Good 落地應用。
以下文章詳盡解釋了這項突破,內容經《機器之心》微信公眾號授權轉載。
▎生物學界最大的謎團之一,蛋白質折疊問題被 AI 破解了。
11 月 30 日,一條重磅消息引發了科技界所有人的關注:谷歌旗下人工智能技術公司 DeepMind 提出的深度學習算法「Alphafold」破解了出現五十年之久的蛋白質分子折疊問題。
最新一代算法 Alphafold 2,現在已經擁有了預測蛋白質 3D 折疊形狀的能力,這一複雜的過程對於人們理解生命形成的機制至關重要。
DeepMind 重大科研突破的消息一出即被《Nature》、《Science》等科學雜誌爭相報導,新成果也立刻獲得了桑達爾 · 皮查伊、伊隆 · 馬斯克等人的祝賀。
科學家們表示,Alphafold 的突破性研究成果將幫助科研人員弄清引發某些疾病的機制,並為設計藥物、農作物增產,以及可降解塑料的「超級酶」研發鋪平道路。
「這是該研究領域激動人心的一刻,」DeepMind 創始人、首席執行官德米斯 · 哈薩比斯說道。 「這些算法今天已經足夠成熟強大,足以被應用於真正具有挑戰性的科學問題上了。」
蛋白質對於生命至關重要,它們是由氨基酸鏈組成的大型複雜分子,其作用取決於自身獨特的 3D 結構。弄清蛋白質折疊成何種形狀被稱為「蛋白質折疊問題」。在過去 50 年裡,蛋白質折疊一直是生物學領域的重大挑戰。
DeepMind 的 AlphaFold 讓人類在這一問題上取得了重要突破。在今年的國際蛋白質結構預測競賽 CASP 中,DeepMind 開發的 AlphaFold 最新版本擊敗了其他選手,在準確性方面比肩人類實驗結果,被認為是蛋白質折疊問題的解決方案。這一突破證明了 AI 對於科學發現,尤其是基礎科學研究的影響。
在兩年一次的 CASP 競賽中,各組爭先預測蛋白質的 3D 結構。今年,AlphaFold 擊敗了所有其他小組,並在準確性方面與實驗結果相匹配。
對於不熟悉生物領域的人來說,CASP 的大名可能有些陌生——CASP 全稱 The Critical Assessment of protein Structure Prediction,旨在對蛋白質結構預測進行評估,被譽為蛋白質結構預測的奧林匹克競賽。 CASP 從 1994 年開始舉辦,每兩年一屆,目前正在進行的一屆是 11 月 30 日開始的 CASP14。
而 DeepMind 這一突破有什麼影響?
用哥倫比亞大學計算生物學家Mohammed AlQuraishi 在Nature 文章中的話來說,「可以說這將對蛋白質結構預測領域造成極大影響。我懷疑許多人會離開該領域,因為核心問題已經解決。這是一流的科學突破,是我一生中最重要的科學成果之一。」
▎蛋白質折疊問題
蛋白質的形狀與它的功能密切相關,而預測蛋白質結構對於理解其功能和工作原理至關重要。很多困擾全人類的重大問題(如尋找分解工業廢料的酶)基本上都與蛋白質及其扮演的角色有關。
多年以來,蛋白質結構一直是熱門的研究話題,研究者使用核磁共振、X 射線、冷凍電鏡等一系列實驗技術來檢測和確定蛋白質結構。但這些方法往往依賴大量試錯和昂貴的設備,每種結構的研究都要花數年時間。
1972 年,美國科學家 Christian Anfinsen 因「對核糖核酸酶的研究,特別是對其氨基酸序列與生物活性構象之間聯繫的研究」獲得諾貝爾化學獎。在頒獎禮上,他提出了一個著名的假設:從理論上來說,蛋白質的氨基酸序列應該可以完全決定其結構。這一假設引發了長達五十年的探索,即僅僅基於蛋白質的一維氨基酸序列計算出其三維結構。
但這一思路的挑戰在於,在形成三維結構之前,蛋白質的理論折疊方式是一個天文數字。 1969 年,Cyrus Levinthal 指出,如果使用蠻力計算的方式來枚舉一種蛋白質可能存在的構象,要花費的時間甚至比宇宙的年齡還要長。 Levinthal 估計,一種蛋白質大約存在 10^300 種可能構象。但在自然界中,蛋白質會自發折疊,有些只需幾毫秒,這被稱為 Levinthal 悖論。
CASP 14 比賽最新結果:AlphaFold 中位 GDT 高達 92.4
CASP 競賽由 John Moult 和 Krzysztof Fidelis 兩位教授於 1994 年創立,每兩年進行一次盲審,以促進蛋白質結構預測方面的新 SOTA 研究。
一直以來,CASP 選擇近期才經過實驗確定的蛋白質結構,作為參賽團隊測試其蛋白質結構預測方法的目標(有些結構即使在評估時仍然處於待確定狀態)。這些蛋白質結構不會事先公佈,參賽者也必須對其結構進行盲測,最後將預測結果與實驗數據進行對比。正是基於這種嚴苛的評估原則,CASP 一直被稱為預測技術評估方面的「黃金標準」。
CASP 衡量預測準確率的主要指標是 GDT(Global Distance Test),範圍從 0 到 100,可以理解為預測的氨基酸殘基在正確位置閾值距離內的百分比。 John Moult 教授表示,GDT 分數在 90 分左右,即可視為對人類實驗方法具備競爭力。
在剛剛公佈的第14 屆CASP 評估結果中,DeepMind 的最新AlphaFold 系統在所有預測目標中的中位GDT 達到92.4,意味其平均誤差大概為1.6 埃(Angstrom),相當於一個原子的寬度(或0.1納米)。即使在難度最高的自由建模類別中,AlphaFold 的中位 GDT 也達到了 87.0。
歷屆 CASP 競賽自由建模類別中預測準確率中位數的提升情況,度量指標為 BEST-OF-5 GDT。
CASP 競賽自由建模類別中的兩個目標蛋白質示例。 AlphaFold 能夠預測出高度準確的蛋白質結構。
這些令人振奮的結果開啟了生物學家使用計算結構預測作為科研主要工具的時代。 DeepMind 提出的方法對於某些重要的蛋白質類別尤其有用,例如膜蛋白(membrane protein)。膜蛋白很難結晶,因此很難通過實驗方法來確定其結構。
該計算工作代表了在蛋白質折疊這一具備 50 年曆史的生物學問題上的驚人進展,比該領域人士成功預測蛋白質折疊結構早了幾十年。我們將很興奮,它能從多個方面對生物學研究帶來基礎性改變。 ——Venki Ramakrishnan 教授(諾貝爾獎得主,英國皇家學會會長)
▎DeepMind 這樣解決蛋白質折疊問題
2018 年,DeepMind 團隊使用初始版 AlphaFold 參加 CASP13 比賽,取得了最高的準確率。之後,DeepMind 將 CASP13 方法和相關代碼一併發表在 Nature 上。而現在,DeepMind 團隊開發出新的深度學習架構,並使用該架構參加 CASP14 比賽,達到了空前的準確率水平。這些方法從生物學、物理學、機器學習,以及過去半個世紀眾多科學家在蛋白質折疊領域的工作中汲取靈感。
我們可以把蛋白質折疊看作一個「空間圖」,節點表示殘基(residue),邊則將殘基緊密連接起來。這個空間圖對於理解蛋白質內部的物理交互及其演化史至關重要。對於在 CASP14 比賽中使用的最新版 AlphaFold,DeepMind 團隊創建了一個基於注意力的神經網絡系統,並用端到端的方式進行訓練,以理解圖結構,同時基於其構建的隱式圖執行推理。該方法使用進化相關序列、多序列比對(MSA)和氨基酸殘基對的表示來細化該圖。
通過迭代這一過程,該系統能夠較強地預測蛋白質的底層物理結構,並在幾天內確定高度準確的結構。此外,AlphaFold 還能使用內部置信度度量指標判斷預測的每個蛋白質結構中哪一部分比較可靠。
DeepMind 團隊在公開數據上訓練這一系統,這些數據來自蛋白質結構數據庫(PDB)和包含未知結構蛋白質序列的大型數據庫,共包括約 170,000 個蛋白質結構。該系統使用約 128 個 TPUv3 內核(相當於 100-200 個 GPU)運行數週,與現今機器學習領域出現的大型 SOTA 模型相比,該系統所用算力相對較少。
此外,DeepMind 團隊透露,他們準備在適當的時候將這一 AlphaFold 新系統相關論文提交至同行評審期刊。
AlphaFold 主要神經網絡模型架構概覽。該模型基於進化相關的蛋白質序列和氨基酸殘基對運行,迭代地在二者的表示之間傳遞信息,從而生成蛋白質結構。
▎對現實世界的潛在影響
「讓 AI 突破幫助人們進一步理解基礎科學問題」,經過 4 年的研究攻關,現在 AlphaFold 正在逐步實現 DeepMind 初創時的願景,在藥物設計和環境可持續性等領域都產生了重要的影響。
馬克斯· 普朗克演化生物學研究所所長,CASP 評估員Andrei Lupas 教授表示:「AlphaFold 的精確模型讓我們解決了近十年來被困擾的蛋白質結構,重新啟動關於信號如何跨細胞膜傳輸的研究。 」
DeepMind 表示願與其他研究者合作,以進一步了解 AlphaFold 在未來幾年的潛力。除了作用於經過同行評審的論文以外,DeepMind 還在探索如何以最佳的可擴展方式為系統提供更廣泛的訪問可能。
同時,DeepMind 的研究者還研究了蛋白質結構預測如何幫助人們理解一些特殊的疾病。例如,通過幫助識別存在故障的蛋白質,並推斷其相互作用的方式,來理解一些疾病的原理。這些信息能夠讓藥物開發更加精確,從而補充現有的實驗方法,並更快找到更有希望的治療方法。
AlphaFold 是十分卓越的,它在預測結構蛋白質的速度和精度上有著驚人的表現。這一飛躍證明了計算方法對於生物學中的轉換研究,加速藥物研發過程都具有廣闊的前景。
同時許多證據也表明,蛋白質結構預測在未來的大流行應對上是有用的。今年早些時候,DeepMind 使用 AlphaFold 預測了包括 ORF3a 在內的幾種未知新冠病毒蛋白質結構。在 CASP14 中,AlphaFold 預測了另一種冠狀病毒蛋白質 ORF8 的結構。目前,實驗人員已經證實了 ORF3a 和 ORF8 的結構。儘管具有挑戰性,並且相關序列很少,但與實驗確定的結構相比,AlphaFold 在兩種預測上都獲得了較高的準確率。
除了加速對已知疾病的了解,AlphaFold 還具備很多令人興奮的技術潛力:探索數億個目前還沒有模型的數億蛋白質,以及未知生物的廣闊領域。由於 DNA 指定了構成蛋白質結構的氨基酸序列,基因組學革命使大規模閱讀自然界的蛋白質序列成為可能——在通用蛋白質數據庫(UniProt)中有 1.8 億個蛋白質序列。相比之下,考慮到從序列到結構所需的實驗工作,蛋白質數據庫(PDB)中只有大約 170000 個蛋白質結構。在未確定的蛋白質中可能有一些新的和未確定的功能——就像望遠鏡幫助人類更深入的觀察未知宇宙一樣,像 AlphaFold 這樣的技術可以幫助找到未確定的蛋白質結構。
▎開創新的可能
AlphaFold 是 DeepMind 迄今為止取得的最重要進展之一,但隨著後續科學研究的開展,依然有很多問題尚待解決。 DeepMind 預測的結構並非全部都是完美的。還有很多要學習的地方,包括多蛋白如何形成複合體,如何與 DNA、RNA 或者小分子交互,以及如何確定所有氨基酸側鏈的精確位置。此外,在與他方合作的過程中,還需要學習如何以最好的方式將這些科學發現應用在新藥開發以及環境管理方式等諸多方面。
對於所有致力於科學領域中計算和機器學習方法的人而言,像 AlphaFold 這樣的系統彰顯了 AI 作為基礎探索輔助工具的驚人潛力。正如 50 年前 Anfinsen 提出的遠超當時科研能力所及的挑戰一樣,這個世界依然有諸多未知的方面。
DeepMind 取得的這一進展令人們更加堅信,AI 將成為人類擴展科學知識邊界的最有用工具之一,同時也期待未來多年的艱苦工作能夠帶來更偉大的發現。
影片及原文,參考 DeepMind官方部落客 https://deepmind.com/blog/article/alphafold-a-solution-to-a-50-year-old-grand-challenge-in-biology
諾 貝爾 化學獎 頒獎 在 經濟獎固定為棕色皮革,文學 - Facebook 的推薦與評價
諾貝爾 獎頒獎週【諾貝爾化學獎知多少》最老得主97歲才摘桂冠居禮夫人母女都是得主!】 諾貝爾獎正在頒獎中!關於諾貝爾獎的小知識你知道幾個呢? 今天頒發化學獎:台灣 ... ... <看更多>
諾 貝爾 化學獎 頒獎 在 2020 年诺贝尔化学奖揭晓,基因编辑是科学发现还是技术发明 ... 的推薦與評價
2020 年的 诺贝尔化学奖 颁发给了两位女士,法国的埃马纽埃尔·卡彭蒂耶和美国的詹妮弗·杜德娜,表彰她们“开发出了一种基因组编辑方法”。 这一次的 化学奖 ... ... <看更多>
諾 貝爾 化學獎 頒獎 在 [問卦] LK-99只有理論可行可以拿諾貝爾獎嗎? - 看板Gossiping 的推薦與評價