曰韩AV无码久久精品免费免费_国产盗摄视频网址_日韩日本伦奷在线播放_国产精品女丝袜白丝袜_国产欧美日韩处女在线观看二区_98無碼免費人妻超級碰碰夜夜_一级电影在线播放_亚洲无码黄色片网站_少妇内射高潮_26uuu偷拍亚洲欧美综合

在一款電腦游戲中，你可以和全球玩家一同參與設計對抗新冠病毒藥物的最重要部分。這并不是開玩笑，準備開始「搞科研」了嗎？

當新冠病毒已經在全球范圍內蔓延時，宅在家就是對社會最大的貢獻。

不過除了在家辦（zi）公（bi），你還可以利用空余時間為對抗疫情再多做一點貢獻。

有一款叫做「Foldit」的視頻游戲，在2月底上線了新功能「The rundown on coronavirus」，吸引了不少人的關注。玩家們現在可以通過這款游戲協助研究人員發現抗擊新冠病毒的藥物。這款游戲是免費的，并且是非營利性質的，PC 端各版本齊全。

官方網站：https://fold.it/

面對嚴峻的疫情，科學家們正在緊張地尋找特效藥和疫苗，不過在有些任務上，人多力量大還是最有道理的。以 Foldit 為平臺，研究人員會將有價值的游戲結果收集起來，用戶所得出的具有抗病毒潛力的蛋白質結構都將接受進一步的科學檢驗。

在最近的幾周里，研究人員已經確定了 2019 新型冠狀病毒突刺蛋白（即 S 蛋白）的結構，以及它們是如何與人體細胞結合的。如果我們可以設計一種蛋白與病毒的突刺蛋白結合，則它就可以用來阻止與人體細胞結合，進而對抗感染！

雖說被設計成一款游戲，但Foldit并不是能簡單上手的。對于新玩家來說，你可以從「Beginner:Coronavirus puzzle」開始，之后可以嘗試挑戰更難的「advanced coronavirus puzzle (https://fold.it/portal/node/2008926)」，在高級版中，玩家需要從零開始設計抗病毒蛋白質結構。

安裝、打開、登陸以后，進入初始界面，游戲會提示你啟動第一個 Intro Puzzle 練練手：

在第六關里，我們已經需要同時解決沖突、蛋白空腔問題，設計復雜的蛋白質結構了。

或者你也可以直接進入 Science Puzzles，在主菜單中選擇即可：

在新的關卡中，玩家可以看到新冠病毒S蛋白的結合點。在這里，除了結合位點上的側鏈——S蛋白通常與人類接收蛋白結合的位置，其他大部分側鏈都是凍結狀態。玩家可以設計一種與開放側鏈結合的新蛋白質，阻止病毒與人類受體的相互作用。為了實現對新冠病毒的靶向攻擊，設計者需要在這一結合處嘗試大量的連接和氫鍵形式，以及更為復雜的二級結構（如螺旋或薄片），和一個核心，以便能夠正確地結合。

這就是新冠病毒刺突糖蛋白的真實結構，你也可以在游戲里開展最尖端的科學研究了。

其實，Foldit 不是一款新游戲，作為學界向玩家尋求力量的先驅，這款游戲最初版本是 2008 年 5 月發行的，作者來自華盛頓大學計算機科學與工程系，以及生物化學系的科研人員。在推出幾年后 Foldit 在全球就擁有了超過 24 萬名用戶，在蛋白質設計領域里，Foldit 可謂廣為人知。除了固定和偶爾更新的關卡，Foldit 也開放工具允許學者上傳自己正在研究的蛋白質結構進行交互探索。

2010年，研究組的論文登上了頂級科學期刊《Nature》（論文：Predicting protein structures with a multiplayer online game），其論文作者上除了科學家們，還包括「Foldit players」：大約有 57000 名玩家對該計劃做出了貢獻。

2011 年，Foldit 玩家又幫助科研人員構建了 Mason-Pfizer 猴病毒（M-PMV）逆轉錄病毒蛋白酶的晶體結構，讓人類研究艾滋病逆轉錄酶的晶體結構的進程前進了一大步——這種蛋白質酶是艾滋病毒在活體細胞中復制和自我增殖的重要關鍵。此前科學家們花費了十五年的時間尋找解答，但在 Foldit 游戲中，逆轉錄酶的結構在三個星期內即被并沒有生物學科研背景的玩家們破解。這一研究結果也登上了 Nature 子刊。

Foldit 的成功為更多生物學家提供了靈感，在以硬核著稱的太空多人在線游戲《EVE Online》中，2016 年的新版本行星建設系統里加入了一個叫作「Project Discovery（探索計劃）」內置小游戲，玩家需要參考教程去鑒定并分類 1300 萬個人體細胞蛋白質染色圖，進而獲得豐厚的虛擬貨幣等獎勵。科研項目的負責人 Emma Lundberg 還成為了游戲中的 NPC。

EVE 把行星探索和生物科技聯系起來，兩者都挺科幻的。

這一小游戲，其實是開發商與瑞典皇家理工學院合作的科研項目，隨著玩家們的標注數量增多，人工智能系統可以越來越準確地對人體中的蛋白質進行定位，進而幫助到對癌癥相關蛋白質以及藥物作用標靶的研究。

探索計劃的成果不僅是一個機器學習數據集，還登上了 2018 年 10 月的《自然-生物技術》。報告表明，超過 32 萬位玩家參與了這項特殊的研究，總計完成了 3300 萬個圖像分類，研究結果目前已經上傳到了公開的「人類蛋白圖譜數據庫」之中，可供全世界的科學家使用。

Kaggle上還曾經舉行過使用該數據集的數據競賽：https://www.kaggle.com/c/human-protein-atlas-image-classification

蛋白質堆疊是最困難，也最為重要的科學問題之一。通過 Foldit 等游戲把這一工作交給廣大玩家來參與，或許是搞研究的最好方法了。所以下一次在你打游戲的時候，會不會變得更加理直氣壯？