深度学习系列报道（三）
姓名：万雪曼；学号：21000500024；学院：电子工程学院
参考链接：http://k.sina.com.cn/article_7673965217_1c9676aa100100zuud.html
【嵌牛鼻子】深度学习；医学；新冠病毒
【嵌牛提问】AlphaFold是否足以改变人类对病毒的抵抗？
【嵌牛正文】
深度学习增强新冠抗体
这项研究是由清华大学、伊利诺伊大学厄巴纳-香槟分校和麻省理工学院的研究人员共同完成， 他们利用深度学习进行研究有两个重要的原因。
一个是扩大所谓的搜索空间，即修改抗体的一组潜在解决方案。现有的方法，例如随机突变，虽然很有价值，但费时费力。
使用深度学习是一种自动化的方法，从而加快工作速度。其次，像随机突变这样的方法可以在带来好处的同时带走抗体好的那一部分，结果可能不是最理想的。
通过使用深度学习的方法，作者希望扩展功效的同时保留已经取得的成果。
他们的方法采用了AlphaFold2的基本技术: 一个图形网络，以及一种称为注意力机制的变量处理方法。图形网络是指一些事物的集合可以根据它们之间的关系进行评估，比如社交网络中的人。
作者表示，我们的办法生成了一个用电脑模拟的抗体CDR的突变库，通过训练几何中立网络进行排序。这样不仅能提高抗体和Delta RBD的结合，还能维持抗体和其它所关注变体的RBD的结合。
CDR，全称为互补性决定区，是和抗原结合的一部分或是抗体。RBD，全称为受体结合区，是病毒上的重要靶点。
研究人员得到了双重、三重，甚至四重的变异抗体。他们在实验室里用合成的病毒来测试这些抗体。他们发现，随着突变的合成，降低抗原浓度的效果越来越强。
他们得出结论，认为存在一种物质能更好的让突变抗体和病毒相结合
因此，这项新研究标志着人工智能领域的一个里程碑。即借助电脑，把传统的生物产品进行改进，从而扩展传统的生物安全实验室治疗传染性疾病的办法。
