蛋白质结构预测是指从蛋白质氨基酸序列出发预测蛋白质的三维结构， 是目前计算生物学、生物信息学和生物物理学领域最具挑战性和影响力的研究方向之一。本成果综合利用深度学习技术， 借助深度神经网络强大的表示学习能力， 从有限的已知结构蛋白质数据中挖掘序列到结构的“折叠密码” ，设计并实现了具有强泛化性能的神经网络， 实现了高通量高精度蛋白质结构预测。该成果连续两次参加全球蛋白质结构预测竞赛(CASP) ，分别获得蛋白质残基接触组第一名(CASP13,2018)和第二名(CASP14,2020)的成绩，达到了国际先进水平。1.预测时间： CPU 设备平均30 分钟， GPU 设备平均2 分钟；2.预测精度： 自由建模蛋白平均精度达 60%，基于模板蛋白质平均精度超 75%；3.预测成功率：综合预测成功率(精度≥ 50%)达到 80%。技术成熟度 8 级，可开展产业化推广。成果可应用于生物医药开发、蛋白质设计、药物设计、药物筛选、疫苗设计等领域
微信公众号