AlphaFold「奠基人」周耀旗：用37年的边角料研究，找一座「精神乌托邦」( 八 ) 每次看到家中昙花盛开

这次成功给了周耀旗极大鼓舞，在和Dor的不断改进中，使用机器学习方法预测的主链二级结构达到了80%的准确度（当时最高）。
在周耀旗看来，或许他可以冲击一个更难的问题：绕过粗略的三态二级结构，直接预测连续的二面角（psi角）。
这是结构生物信息学领域一个长期存在的问题，学术上既定的习惯是避开直接预测连续的角度。
周耀旗也吃了瘪，因为无法处理好角度的周期性问题，导致预测出来的误差过大。
多次碰壁下， 2006年， Ofer回到了以色列创业，周宏毅完成博士后去GeorgiaTech做专职研究员，周耀旗也离开了布法罗，以正教授的身份在印第安纳大学开始了第二段教职。

文章图片
周耀旗和他在印第安纳的部分团队：学生赵慧英（左一，现中山大学孙逸仙医学院副研究员），李职秀（左二，澳大利亚昆士兰技术大学研究员），德州学院访问教授王吉华，博士后詹剑，杨跃东（右一）。背后就是用预测主链二面角构建蛋白质结构的论文招贴
虽然之前对psi角度预测不算成功，但周耀旗仍旧不死心，将这个课题交给了生物物理专业出身的博士后薛斌。
2007年，周耀旗和薛斌首次使用神经网络预测蛋白质主链真实二面角，同时预测psi和phi ，从而可以直接构建主链结构。在当时，这是世界上第一个同时预测psi和phi真实连续角度的方法，但误差还是比较大（psi的误差38°），仅仅发表在影响因子3左右的《蛋白质》期刊。
后来，杨跃东（现为中山大学计算机学院教授、国家超算广州中心副总工程师）、EshelFaraggi、詹剑（现深圳湾实验室研究员）等人进组，通过团队不断地改进， 2009年，他们成功将psi的角度误差降到了33° 。
2011年，周耀旗和团队又有了重大发现：通过预测真实角度来建立、约束、和能量优化主链结构，完全不需要用蛋白质的已知结构，或者已知结构碎片来作为模块。
周耀旗和团队欣喜，他们多年来的工作，为蛋白质结构预测和重建，开辟了一条新路。通过不断地改进，他们不仅证明了连续分布的二面角可以准确预测，而且通过二面角可以直接构建准确的蛋白质结构、从而为若干年后的第一个端到端深度学习的预测方法，搭好了框架。
一场由AlphaFold掀起的革命性突破，也在此刻落下了时代的注脚。
2013年，带着这些成果，周耀旗以正教授身份被引进澳大利亚格里菲斯大学，开始同时进行计算和实验的研究。

文章图片
周耀旗（右一），澳大利亚格里菲斯大学糖组学研究所的实验室
周耀旗在计算方面也有了新的合作伙伴，格里菲斯大学的KuldipPaliwal教授。 Paliwal是国际著名的机器学习专家，曾第一个提出双向循环神经网络。在与Paliwal的合作中，周耀旗开始使用不同深度的深度学习方法，进一步改进蛋白质连续角度预测。

文章图片
KuldipPaliwal教授
经过一年的努力， 2014年，在两人合作的第一篇论文中，终于解开了困扰周耀旗八年的问题——如何解决角度的周期性。
他们将角度的直接预测，改成先预测SIN和COS ，再通过计算ARCTAN来得到真实角度，从而避开了角度的周期性。
有了这个思路，周耀旗和Paliwal又用了五年时间，一点一点将psi角的误差从33°降到30°、27°、最终降到23° ， phi的误差降到了16° 。