共振結構判斷的八卦，YOUTUBE、PTT、DCARD和Yahoo名人娛樂都在討論

【中風醫療週記】

這一篇是很認真的紀錄一下，最近幾週我們家筋肉爸爸的康復進度，以及我忙碌的一家之主生活。以後自己多一點回憶，更重要的是，或許以後這些紀錄，可以幫助到壯年中風的病人，以及許多跟我一樣的家屬，面臨家中大樹突然倒下後可以的應變。

（一）搶時間！黃金期計畫！

爸爸住進醫院後，我才開始了解關於中風病患醫療系統的種種。

中風後，首先要度過度秒如年的關鍵24小時，確認生命的穩定性；接著是關鍵72小時，確認病人生病的再穩定；然後是為期一個月的急性期，這期間都必須拉緊神經，避免病人血壓過高造成二度中風或其他疾病併發。

而後進入復健期，黃金復建期為中風後半年內；黃金中的黃金期是中風後的三個月；許多輔助療法的黃金期是中風後一個月內；基本上，就是天天要規劃策劃筋肉爸爸的醫療計畫，每天我都得跟時間賽跑！

不只要扛兩份工作，這中間還得找好多種醫療後援計畫，以免老公哪一天變成人球沒地方住，到時候他還無法自理，回家沒有人扛得住這麼大隻的他啊！

這很燒腦！因為會發現，當在神經內科病房時，很多所謂的「黃金輔助醫療計畫」是根本不可能施行的！如果你住的醫院有相關會診，那就可以高枕無憂，但如果跟我們一樣，住到一間急救病患很棒，但後續什麼都沒有的醫院，就變成非常的煎熬難耐！

例如，我們的醫院沒有中醫會診，但中醫針灸在中風病患的治療上，有許多實證醫學是正面的療效，也有黃金針灸期，這真的急死我了！

我絕對相信主治醫生的專業，但也因為體適能產業一直是醫療外環，身邊的醫生與專業相關朋友多，聽聞許多意見下來後，真心覺得當初急救送的醫院，無法給筋肉爸爸「最適合最黃金」的醫療診治，於是打從他倒下第一週起，我沒有停止過找資料、跑各大醫院、跑私人診所、找各種後援計畫.......

一開始急性期都是歸神經內科醫師管理（當然也不會給予請假出院，因為生命不穩定），一旦醫生評估可以轉出神經內科病房後，就歸復建科管理了。

健保的病房，潛規則住院時間不超過28天，所以整個復健住院天數在同一醫院就是28天為限，若無法回家自理，就必須一直轉院（健保局其實沒有規定只能住28天，一切尊重醫師臨床判斷）。但這中間很容易出現：A醫院要退房了，病患還無法自理回家，B醫院卻掛不進去的窘境，於是周遭照顧病患的家屬，就得面臨「努力生錢住自費病房」或是「努力掛100間醫院直到有病床為止」的窘境。

部分病人如果恢復狀態不錯，醫生可以評估後轉入後期之醫療整合照護模式(Post-acute Care，以下稱PAC)。簡單來說，就是醫生評估醫療狀況穩定、有潛能積極參與復建、急性發作後一個月內的病患，於是下轉醫院，將復健醫療資源集中在剛中風的前三個月內（黃金恢復期），提供密集性的復健照護計畫。這三個月內都可以住在同一個醫院，但也不是沒有限制，例如你就無法再選擇其他醫院了......

筋肉爸爸是可以進入PAC的，但我們下轉的醫院，打聽一輪都無法讓我滿意！不是沒有中醫會診，就是復建部門真的還好（這真的要感激身邊好多醫師與治療師友人），於是，我放棄的PAC計畫。

雖然待在醫院期間能做的有限，但好險我們幸運的遇到一位很棒的看護先生，看護先生每天很認真的幫筋肉爸爸做復健與關節活動，目前為止，看護先生已經是筋肉爸爸的心頭最愛，愛的等級應該有超過甲蟲大人們！

看護先生有著許多讓我感動的故事，擇日跟大家分享～
＃醫療資源沒有好壞只有適合不適合
＃但病患家屬都要知道自己該有選擇的權利

（二）轉院記

我真的很感激，送急診的醫院主治醫生，第一時間幫筋肉爸爸打了栓篩溶解劑，讓他能夠康復的機率大大提升！

主治醫生也讓筋肉爸爸進行了兩次的腦部超音波和腦部核磁共振，在第二次的核磁共振中，我們後續發現了老公先天自己腦部血管結構的異常，這讓我有了一個很大的體悟：

「依照老公腦部血管的狀態，這輩子中風是遲早的事！而他早發在37歲真的是天大的恩賜！因為他還有體力去恢復、我還有體力去支持這個家，真不敢想像萬一他五十歲、六十歲才中風時，會變成怎麼樣慘烈的狀況！」

一開始，我就不打算要在這間醫院的復健部門進行復健，因為這間醫院的復建部門，器材很少、先進設備都無、沒有針對壯年中風病患，可以進行積極復健治療的支持系統......於是我很早就申請了病摘與腦部影像。老公急性期期間，我除了雙倍的工作、跑醫院陪他讓他有安全感，其餘時間都在奔波醫院、掛床、問診、找機會！

有一次我去了一間前權威醫院院長開的醫療顧問診所，問一個診，就噴掉了快要一萬元。但這位醫生從新的核磁共振照片中發現到先生腦血管問題，以及未來風險因子預防，難怪收費這麼驚人。

總之，在我們被神內主治醫師宣布可以離開腦神經內科的那一天，好像奇蹟一樣，我們最想住的醫院，居然通知我們有病床！

兩個小時內，必須要入院！這一天我還早中晚排滿了推不掉的工作，於是在有限的一兩個小時中，我必須預先付清所有醫療費用、搬東西、把老公帶入新醫院、驗血、入住、再回第一間醫院領藥單、開正式收據、無限地排隊、趕去工作教學......

這一天結束後，我真的已經癱軟！但卻是第一次，從他中風以來的第一次，覺得心，真的可以放下不緊張了！

在新的醫院，有好多的先進醫療設備，是很多人不知道的！這些設備，可以輔助筋肉爸爸的復建做到更好！

也有了中醫針灸治療～～之後，我們都會慢慢的紀錄，分享給需要的朋友們。

＃我這幾週兩鬢已經白了一片
＃但是老公對新醫療充滿了信心超級熱血喔

（三）身邊的天使們
最近這一路上，我真的覺得，身邊的天使與好人，讓我第一次，對自己的人生做出反省，覺得過去的自己，對社會的付出太少！

許多素昧平生的粉絲，願意給予很棒的醫療資訊；有的粉絲遠重日本寄營養品給我；有的粉絲是護理人員，悉心教我中風醫療系統支援，甚至教我掛號；有職能治療老師，教我簡單的為老公按摩、還有粉絲直接買了一箱我的書……我不敢相信，有這麼多人，願意對一個陌生人這樣的友好！

身邊的朋友，更是讓我感動！不管是衝來抱著我陪我喝咖發抒壓的、幫我一起完成工作的、寄出禮物讓我保養養體力的、怕家人兒子生病寄出消毒用品的、給予相關醫療資源協助的......有的朋友平時聯繫不多，但重要時刻他絕對第一個跳出來，這些恩情我記得，以後我也要這樣的給他們溫暖！

而許多粉絲分享自己或另一半的中風故事，告訴我們他復建的歷程，鼓勵我們加油，甚是讓我感動！

我才知道，雖然許多數據都說壯年中風的機率只有10%，但實際上壯年中風的實際案例卻是多到讓人恐懼！

其中一個讓我很感動的，是一個前幾週我教「翹臀班」的媽媽。

翹臀班的運動挺累的，這位媽媽很厲害的跟完了兩小時課程，做得也很棒！但課後，他告訴我：他是一位，去年才剛在產後，就中風的病患！當時癱了半邊，但現在，卻可以完全恢復，還上完了頗有難度的運動課，看不出曾經中風過。她以自身的例子鼓勵我們加油，只要筋肉爸爸夠努力復健，就一定可以恢復！

我的眼淚真的狂飆！

我心疼一個剛產後的媽咪，就中風，這是何等的惡夢；但覺得他好棒，用意志力戰勝了病魔，再度親手擁抱孩子，還愛上了運動！

我跟老公分享這個故事，我們一起哭，一起加油，一起盼望，一起禱告。

感恩有這些天使，一路陪我們度過黑暗的幽谷。

＃你們的故事都感動著我知道嗎
＃真的謝謝每個粉絲給予的加油與鼓勵
#所以我也要回饋社會來報答這些愛

（四）媽媽的小蜜蜂嗡嗡嗡生活

初期老公剛倒下時，我花很多的時間確認醫療資源、陪伴老公給予安全感、完成已經排定的工作、甚至在中間找零碎的時間，定期備好老公喜歡吃的某一間麵包！唯獨，我沒有好好陪伴到兒子。

有一天我很沮喪！因為我覺得，最基本身為母親，應該讓兒子快樂無憂的責任，我沒有做到。

那天回家，我找不到家居服，找了很久......

後來兒子翻身，我才在被子中，發現他把我的衣服褲子捲成一坨，抱在胸口睡。

已經好幾週了，我們每天只有早上見面半小時，回家後都已經由奶奶帶他（真的沒有婆婆我就慘了！），看到這樣的畫面，加上日常的壓力與奔波，一時間，突然眼淚無法止住的一直流一直流......

但是哭完了，難關還是要挺過去，媽媽的小蜜蜂生活，會越來越勤奮吧！

隨著爸爸的病情穩定，醫療也讓我放心後，現在要開始加大自己的工作量，努力賺錢養家，努力賺取醫療費。

面對這一塊，我倒是充滿了積極與熱忱！從爸爸中風後第三天起我就已經開始教課，目前為止每一班的口碑都比以往還好呢！這就是爆發的潛能嗎？但我相信是主給我的力量！

＃我們不常跑教會但是真的都很愛主
＃媽媽的愛不知道兒子知不知道

（六）關於公眾人物的責任

但喜歡雪上加霜的人，也不是沒有。

這兩天在嘉義教學，好不容易在今日高鐵回程上，可以稍微休息，於是看了看筋肉爸爸粉專的私密留言。

不看還好，一看，居然有位網友，直接問：「筋肉爸爸，請問昨天某個網紅直播引射你用類固醇，你是不是有用？」

網友也貼出了連結，而我大概看了一下，那位網紅的不負責任直播。

這就是現在，網路世界的亂象吧！許多人為了維持自己的聲量或者新聞點（誰要部分傳媒愛八卦），就一直靠消費別人、探討他人來博取自己的聲勢。

同樣一句我要先說：「我家的事，不是你們用來消遣娛樂的八點檔」！拿別人家的傷痛來自導自演說故事，賺取點閱率與人氣，實在是很沒有道德的事。

還有，拿無聊言論來問一個剛從瀕死恢復的病人（還好是我先看到），也是極度沒有同理心的行為。到底這些，肝泥什麼事?

我跟這位網友說：「我覺得你的問話很不適當，因為我老公剛開始好轉進入恢復，看到這的發問會很不開心，如果因此造成血壓升高，他會很危險！」

「至於您的疑問，我們有腦部顯影與醫摘顯示他是先天腦部血管結構異常問題。但我不認為有必要，需要再公開他私人的醫療資訊，只為了回應那些無聊的話語與人，希望這有解釋你的疑問。」我回文字。

想不到這位網友說：「這在網版已經討論很久了，你為什麼不一開始就po出來呢？」

「如果你的愛人，差點死掉，你會在他生命垂危時，去與酸民討論些什麼嗎？」我問。

然後他說：「不會！我不是酸民，只是一般民眾的質疑。」他說。
（到底哪來的idea，認為要求一個剛走一圈鬼門關的病人，出來澄清你的質疑是一種必要性？）

於是，我在想，現代的社會，真的許多人缺乏同理心；也對於所謂公眾人物的義務與責任，存在著許多誤解。

好比，我與筋肉爸爸雖然被許多人知道，但這不代表，我們有義務與責任，要把私家的事翻出來跟民眾一一做報告。

政治人物有他的責任，因為他們的薪資是民眾繳稅的錢；但我真的不理解，從什麼時候開始，去回應直播網紅的八點檔，也變成了公眾人物的義務。

這次事件後，我有許多感觸，想要做出更多回饋社會的事，因為我們是這樣的被受到許多人幫助；很多人在壯年時中風，卻因為資訊不足錯過了黃金復建期，他們需要更積極的復健方式或者相關資訊，這是我和筋肉爸爸日會積極去做的。

我的責任與義務，是以後當爸爸康復，我們要回饋更多病友。我們會開設免費的復建後期運動班，每週定期讓病友一起聊天一起激勵一起運動，或是我們要怎麼做到更多，才能幫助到壯年中風的家庭！

誠如我一貫的風格，我相信秘密的力量，也相信好磁場帶來更好的磁場；所以不會去回應某網紅或是酸友們更多的疑問。而且時間有限，我要當小蜜蜂忙來忙去，才能讓這個家繼續維持啊。

這對社會沒有好處，而我只想發揮正向的力量，這也才是，公眾人物該有的責任吧。

＃筋肉爸爸的專業上過課的學生都知道
＃筋肉爸爸的徒弟用科學化健美備賽今年成為了國手
＃正向力量才是這個社會需要的

「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

網路時代必看好書<<潛意識正在控制你的行為>>
#本粉專最後一次贈書
#已結束

購書連結: https://reurl.cc/V3bMkb

「暢銷科普作家曼羅迪諾進行的研究讓我們大開眼界。
例如我們常誤解我們與家人、朋友、事業伙伴的關係，
誤會了投資舉動的原因，甚至記錯了重要的紀念日。
而這些，都與潛意識有關。

我們對政治人物的偏好、對食物的喜好，甚至對所有的選擇判斷，
其實都是意識與潛意識這兩種層次的心智共同作用的結果。
我們清清楚楚知道我們的意識，但潛意識卻是我們無法察覺的。
而且一直到最近二十年，科學家才有足夠的工具能夠探索潛意識。
這方面的研究稱為新潛意識研究，研究的是潛意識如何影響我們的行為。」

—
書介短文無法解釋我看完整本書的震撼！

真的
只能用震撼來形容！

科學界使用fMRI核磁共振來檢視腦部的活動行之有年
然而
針對腦內經歷過數萬年演化的「記憶力混淆」 「盲點」「過度自信」 這些潛意識
為何會隨著人類進化而存在延續
這本書竟然有著如此精妙的答案！

解釋了：
1.為何虐童持續在周圍環境發生？
2.為何政治狂熱者無法溝通？
3.為何酸民們缺乏邏輯？

我簡單說明一下這本書回到了我近幾年網路經營所困惑點的終極解答：
1.p107
「潛意識不斷存在於張眼感受世界的每一天，它處理著感受跟記憶連結，但把體驗形成的感覺跟情緒連結，殘存於意識的具體記憶，僅留下模糊扭曲片段，沉入潛意識中，直到停駐點喚起那些油然而生的情感」
=>這解釋了為何我們要不斷的跟孩子共創美好記憶跟擁抱，並且人是需要他人連結分享感情的社會動物

2.p33 「人腦中存在的自我感覺良好，對應到腦部區域是『背側紋狀體』(dorsal striatiatum)」
=>人一定會潛意識希望自己主動積極樂觀

3.p.117「 人類對社會互助的需要，正是演化出高等智力的背後動力，合併精細的手部動作，短短幾千年演化中，人類突然開始團體狩獵、蓋屋、創造藝術、以及複雜的墓塚」
p.141 「演化上，人類的大腦以現代人跟原始人相比整整大了一倍，其中而額葉變大的比例遠勝其他，也是人類特質的重心...額葉負責臉部精細動作（社會溝通跟生存關鍵），也負責計畫、組織、跟行動、 是意識的根源」
=>文化的啟蒙，這在近期我熱愛考古解說影片中常常探討，人類之所以特別是非常不可思議的事情

4.p203 「潛意識的作用，讓幼童比電腦AI還更能區分三種動物照片（小白貓/馬爾濟斯/白色大型古代牧羊犬）中哪兩個是同類，擴及下來...刻版印象跟標籤化他人必然存在」
=>為何會歧視他人，,不管是性別,種族，膚色，甚至是團體內的權力弱者，性少數者，身障者，這些都必然且持續會發生

5.P.212「另一結構讓人自以為理性跟中立(VMPC)
但其實潛意識當中的性別刻板，或對於公眾媒體人物的接受度，我們心智會持續受到社會接受度而定義」
=>只要有使用公眾媒體宣傳者，每個人都不見得能如自己以為想的那麼中立

6.P.233「人類會渴求歸屬於團體，甚至因此做出團體內營造出氣氛默許，但無法受到公眾檢視的行為」
=>朋友講甚麼，小孩就跟著做甚麼
甚至是看到柔道團隊中被拋摔了27次的小孩爆哭，也不為所動

7.P.260
P.285
P.293
這後半本書的部分最精采處，解釋為何政治兩對立的人們，會看其一方認為「也太自信了吧」」「怎麼可以盲然相信到這種程度」
「主因於大腦非常擅長自我欺騙，稱為『動機性推理』，亦即當事件涉及自身利益時，大腦就無法超然思考，反深受人的特性而慾望影響，甚至會為了期待的最後結論而反推出前面的思考過程」
=>這說明了某些粉，真的，使用的中文不是同一種中文

最後書中給了解方
P.216「人類必須不斷下功夫克服潛意識的偏差」
包含「不斷地跟這類與我不同族群接觸，增加熟識經驗，跟個體的接觸越多，就越能熟識其獨特個性，抵銷刻板印象」
=>同志大遊行要驕傲出來走，反霸凌反性侵的推廣要持續，哭鬧兒、或身障或早療等高需求兒要更包容
P.226
「當各個『內團體』有共同對外的目標時，所有對立者步伐會轉向且一致」
=>看台灣內若傳重大意外時，舉國同悲,若真第一時間還能口誅筆伐者那真的就...放生了

—
書封面用浮水印了各種吐槽詞其實有趣
但書內探討的實實在在是這網路世紀的"人性"並一窺其運作的科學證據

#非常推薦

—
此後本粉專將轉型為深刻閱讀好書形式

贈書活動會減

若喜歡這本書的強烈建議買了好好翻翻
解釋一下自己為什麼"想要達到那個高尚的形象"但卻是"私下猥瑣見不得人"
解釋"只想去買那個時鐘"卻"手裡抱著波斯地毯離開"

#解釋那些你想的跟做的不一樣
#潛意識害的
—
倒數贈書活動
#最後一次贈書
#之後轉型為深度閱讀好書介紹

1.留言:"我想參加小劉醫師粉專最後一次贈書活動"
2.4/29 24:00 抽出兩位贈送此書
臉書
IG各一

**本粉專與編輯群保留最終贈書確認權利
**贈書範圍僅限國內

--
恭喜 曾思靜 抽中此書