CINXE.COM

<!DOCTYPE html><html lang="en"><head><meta charset="UTF-8" /><meta content="width=device-width, initial-scale=1.0, maximum-scale=1.0, minimum-scale=1.0, user-scalable=no" name="viewport" /><meta content="ie=edge" http-equiv="X-UA-Compatible" /><meta content="telephone=no" name="format-detection" /><title>压缩率达10的48次方，实现蛋白序列空间极端压缩，清华EvoAI登Nature子刊 | 机器之心</title> <meta name="description" content="清华大学的研究团队建立了一种称为 EvoScan 的方法，用于全面分割和扫描高适应度序列空间，以获得能够捕捉其基本特征（尤其是在高维度中）的锚点。"> <meta name="keywords" content="蛋白质, 深度学习, 生物, 语言模型, 清华大学"> <meta property="og:url" content="https://www.jiqizhixin.com/articles/2024-11-27-6"> <meta property="og:title" content="压缩率达10的48次方，实现蛋白序列空间极端压缩，清华EvoAI登Nature子刊"> <meta property="og:type" content="website"> <meta property="og:site_name" content="机器之心"> <meta name="twitter:card" content="summary"> <meta name="twitter:site" content="@SyncedTech"> <meta name="twitter:title" content="压缩率达10的48次方，实现蛋白序列空间极端压缩，清华EvoAI登Nature子刊"> <meta name="twitter:description" content="清华大学的研究团队建立了一种称为 EvoScan 的方法，用于全面分割和扫描高适应度序列空间，以获得能够捕捉其基本特征（尤其是在高维度中）的锚点。"> <meta name="twitter:image" content="https://image.jiqizhixin.com/uploads/article/cover_image/1b48810b-bd62-4c15-a38a-55d28f797d42/iShot_2024-11-27_15.55.18.png"><meta name="csrf-param" content="authenticity_token" /> <meta name="csrf-token" content="mK2D5GC03q5vg/f3/kzCHxEP0lHCw7odjiaYPMPH1L4Jo6bWmq1zTp2UAXkBKQd29hRl4X4airMSY2vfaQ66vg==" /><link rel="stylesheet" media="all" href="https://cdn.jiqizhixin.com/assets/packs/css/application-f55f5e99.css" /></head><body data-controller="articles" id="articles-show"><div class="article__progress-bar" id="js-progress-bar"></div><header class="header t-no-shadow" id="header"><div class="u-container u-flex header__container"><div class="u-flex-center"><a alt="首页" class="header__logo" href="https://www.jiqizhixin.com/"><img alt="机器之心" height="32" src="https://cdn.jiqizhixin.com/assets/logo-black-814ff978059dd2570cc09283d01d1e29ebec941b013fc43d3ae6ce3b3f6c2d69.png" /></a><div class="header-nav__readings"><div class="header-nav__readings--item">报道<div class="header-nav__menu"><a class="header-nav__menu--item" href="https://www.jiqizhixin.com/categories/basic">人工智能</a><a class="header-nav__menu--item" href="https://www.jiqizhixin.com/industry">数字化转型</a><a class="header-nav__menu--item auto-byte">汽车科技<img alt="beta" class="header-nav__menu__logo" src="https://cdn.jiqizhixin.com/assets/auto-byte-icon-fc15735267b7900910ae1da4b36f1c5bce9be4201bf1b5be534dddb2c7ebdaf5.png" /></a><a class="header-nav__menu--item science-ai">交叉前沿<img alt="beta" class="header-nav__menu__logo" src="https://cdn.jiqizhixin.com/assets/science-ai-icon-caa725ee64b502ae7a4e72ed02892e9142f63a50f32772dc960879005e292108.png" /></a></div></div><a class="header-nav__readings--item" href="https://www.jiqizhixin.com/columns">专栏</a><a class="header-nav__readings--item" href="/chat">心思<img alt="new" src="https://cdn.jiqizhixin.com/assets/special_plan/new-5f5f546bf5fa3fcd07522953f6fb6235c7b9eb8ba3f75da72f4a220e6f1fe1b0.svg" /></a><a class="header-nav__readings--item" href="https://app6ca5octe2206.pc.xiaoe-tech.com/index">学堂</a><div class="header-nav__readings--item header-nav__readings--item-sp"><a class="header-nav__readings--item" href="https://www.jiqizhixin.com/short_urls/41640723-0077-46e7-aa2c-c2d67823c0d1" target="_blank">年度榜单2023</a><div class="header-nav__menu header-nav__menu__awards"><p class="header-nav__menu--title">年度榜单</p><a class="header-nav__menu--item" href="https://www.jiqizhixin.com/short_urls/41640723-0077-46e7-aa2c-c2d67823c0d1">年度榜单 2023</a><a class="header-nav__menu--item" href="https://www.jiqizhixin.com/short_urls/e098d7fb-3929-440c-9ecb-0e568106c325">年度榜单 2022</a><a class="header-nav__menu--item" href="https://www.jiqizhixin.com/awards/2021">年度榜单 2021</a><a class="header-nav__menu--item" href="https://www.jiqizhixin.com/awards/2020">年度榜单 2020</a><a class="header-nav__menu--item" href="https://www.jiqizhixin.com/awards/2019">年度榜单 2019</a><a class="header-nav__menu--item" href="https://www.jiqizhixin.com/awards/2018">年度榜单 2018</a><a class="header-nav__menu--item" href="https://mp.weixin.qq.com/s/gw5KgjgK31YdFxlQYGbhsw">年度榜单 2017</a><div class="header-nav__menu--line"></div><p class="header-nav__menu--title">A100 系列</p><a class="header-nav__menu--item" href="https://www.jiqizhixin.com/articles/2020-09-29-9">A100 数智中国</a><p class="header-nav__menu--item header-nav__menu--item--disable">A100 Data Intelligence</p><a class="header-nav__menu--item" href="https://github.com/jiqizhixin/AI00">A100 Original</a></div></div><a class="header-nav__readings--item" href="https://www.jiqizhixin.com/events">活动</a><a class="header-nav__readings--item" href="https://www.jiqizhixin.com/short_urls/1c9524be-37f8-4b87-b6e4-318aae2f7656">SOTA模型</a></div><div class="header-nav__items"><a class="header-nav__item" href="https://pro.jiqizhixin.com/">机器之心 Pro</a></div></div><div class="header-search__ele" id="js-site-search"></div><div class="header__btns"><a class="header-other__link header-user__menu js-switch-sign" href="javascript:;" id="js-header-login">登录</a><a class="header-en-link" href="https://syncedreview.com/">EN</a></div></div></header><div class="code-modal code-modal__auto-byte"><img class="code-modal__close" src="https://cdn.jiqizhixin.com/assets/code-modal__close-c158a550a9982aa92801c046548d72945aa912de6f2a012513132fdc02dfc379.png" /><p class="code-modal__name">Auto Byte</p><p class="code-modal__desc">专注未来出行及智能汽车科技</p><img class="code-modal__img" src="https://cdn.jiqizhixin.com/assets/auto-byte__qr-code-89b58c6d2398c12b7def0f2538cac5ff08727062918f9bad97f25b1d61aac000.png" /><p class="code-modal__title">微信扫一扫获取更多资讯</p></div><div class="code-modal code-modal__science-ai"><img class="code-modal__close" src="https://cdn.jiqizhixin.com/assets/code-modal__close-c158a550a9982aa92801c046548d72945aa912de6f2a012513132fdc02dfc379.png" /><p class="code-modal__name">Science AI</p><p class="code-modal__desc">关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展</p><img class="code-modal__img" src="https://cdn.jiqizhixin.com/assets/science-ai__qr-code-a12e4635c8d3968645bd2b6371981b65b0d21058c5a2c216aef80015b4eb7e43.png" /><p class="code-modal__title">微信扫一扫获取更多资讯</p></div><div class="code-modal__mask"></div><div class="article"><div class="u-min-height-container u-container"><div class="u-col-8"><div class="u-flex article__header"><div class="u-flex article-author"><a alt="ScienceAI" class="u-avatar-base article-author__avatar" href="/users/70d794c4-1662-41a5-8ce6-7ca588c90bdc" rel="noopener noreferrer" target="_blank"><img alt="ScienceAI" class="u-image-center" src="https://cdn.jiqizhixin.com/assets/avatars/anonymous-3-fb31ad35511be5a49c496964c9d2190933420699e44988a3401765d28949a1f8.jpg" /></a><div><div class="article-author__attr"><a alt="ScienceAI" class="article-author__name" href="/users/70d794c4-1662-41a5-8ce6-7ca588c90bdc" rel="noopener noreferrer" target="_blank">ScienceAI</a><span class="article__type">原创</span></div><time class="article__published">2024/11/27 15:55</time></div></div><div class="article-des u-flex-center"></div></div><h1 class="article__title">压缩率达10的48次方，实现蛋白序列空间极端压缩，清华EvoAI登Nature子刊</h1></div><div class="u-col-8 article__inline" id="js-article-inline"><div class="article-sidebar js-article-sidebar"><a alt="评论" class="u-btn--circle article-sidebar__item is-comment js-go-comment" data-tip="评论" href="javascript:;"><i class="iconfont icon-message-default"></i></a><a alt="收藏文章" class="u-btn--circle article-sidebar__item js-like-action" data-path="/articles/2024-11-27-6" data-tip="收藏文章" href="javascript:;"><i class="iconfont icon-like-default"></i></a><a alt="分享文章" class="u-btn--circle article-sidebar__item u-share__box" data-tip="分享文章" href="javascript:;"><i class="iconfont icon-share-default"></i><div class="u-share__list "><button alt="分享到微信" class="u-btn--circle u-share__item u-share__webtn" href="javascript:;"><i class="iconfont icon-wechat"></i><div class="u-share__wechat js-qrcode"></div></button><button alt="分享到微博" class="u-btn--circle u-share__item js-share-btn" data-title="" data-type="weibo" href="javascript:;"><i class="iconfont icon-weibo"></i></button><button alt="分享到推特" class="u-btn--circle u-share__item js-share-btn" data-title="" data-type="twitter" href="javascript:;"><i class="iconfont icon-twitter"></i></button></div></a></div><div class="article__content" id="js-article-content"><p><img data-galleryid="" data-imgfileid="100020133" data-ratio="0.6472222222222223" data-s="300,640" data-src="https://mmbiz.qpic.cn/mmbiz_png/XLCp9HBkwLnAnOddd3IVws7DbbiaRMbqvZHtQv7LWPYlzh4he13bONEOz4icO9HCribdRBwqDAwnLXQETgaiacALqw/640?wx_fmt=png&from=appmsg" data-type="png" data-w="1080" data-original-style="" data-index="2" src="https://image.jiqizhixin.com/uploads/editor/4bd62512-e7ff-4f03-aedf-439ea97242ae/640.png" alt="图片" data-fail="0" class="fr-fic fr-dib" style="width: 700%;"></p><p>编辑 | 萝卜皮</p><p>设计功能更佳的蛋白质需要深入了解序列和功能之间的关系，这是一个难以探索的广阔空间。通过识别功能上重要的特征来有效压缩这一空间的能力极其宝贵。</p><p><mark data-id="4349d6b9-40ff-4e23-a237-f9ace91c6c81" data-type="institutions">清华大学</mark>的研究团队建立了一种称为 EvoScan 的方法，用于全面分割和扫描高适应度序列空间，以获得能够捕捉其基本特征（尤其是在高维度中）的锚点。</p><p>该方法适用于任何能够与转录输出耦合的生物分子功能研究。</p><p>然后，研究人员开发<mark data-id="01946acc-d031-4c0e-909c-f062643b7273" data-type="tech_methods">深度学习</mark>和大型<mark data-id="fee178e8-ee20-42fc-8f8f-1d41c1f34e8f" data-type="tech_tasks">语言模型</mark>，以从这些锚点准确地重建空间，从而无需先前的同源性或结构信息即可计算预测新的、高度拟合的序列。</p><p>他们将这种混合实验计算方法（称为 EvoAI）应用于阻遏蛋白，发现仅 82 个锚点就足以压缩高适应度序列空间，压缩率为 10<sup>48</sup>。</p><p>该研究以「<em>EvoAI enables extreme compression and reconstruction of the protein sequence space</em>」为题，于 2024 年 11 月 11 日发布在《<em>Nature Methods</em>》。</p><p><img data-height="427" data-imgfileid="100020126" data-ratio="0.35648148148148145" data-src="https://mmbiz.qpic.cn/mmbiz_png/XLCp9HBkwLnAnOddd3IVws7DbbiaRMbqvu6dtsMgc2vMgwQsoUZ5U7tWwibzE28Ln6Vy4TgTTcxYjtwcIV4AS6LA/640?wx_fmt=png&from=appmsg" data-type="png" data-w="1080" data-width="1197" data-original-style="null" data-index="3" src="https://image.jiqizhixin.com/uploads/editor/cd9c86a0-7a76-4173-968a-7722efe05e04/640.png" alt="图片" data-fail="0" class="fr-fic fr-dib" style="width: 700%;"></p><p>蛋白质工程和设计可以创建具有优化功能的蛋白质，用于生物技术、医学和合成生物学的各种应用。</p><p>蛋白质工程的基本挑战是理解和操纵蛋白质适应度景观，这是一个高维且复杂的空间，包含大量可能的序列和功能。</p><p>尽管过去几十年来科学家们进行了大量尝试来寻找这个空间中的高适应度序列，但我们对这个空间的规则和特征的理解仍然比较浅层。</p><p>虽然现有的定向进化技术能提供有价值的信息，但这些实验方法需要在精确度与覆盖度之间进行权衡，且通常无法充分考虑高维空间中的自然选择压力。</p><p>计算方法，如基于结构或序列的建模，虽然能评估更大的序列空间，但受限于训练数据的可用性，且往往忽略了生物学因素。</p><p><strong>EvoAI</strong></p><p>理想的方案应结合高通量实验数据和高效的计算模型，通过识别「锚点」来压缩设计空间，为<mark data-id="01946acc-d031-4c0e-909c-f062643b7273" data-type="tech_methods">深度学习</mark>模型提供指导，探索整个适应性景观。</p><p>在最新的研究中，<mark data-id="4349d6b9-40ff-4e23-a237-f9ace91c6c81" data-type="institutions">清华大学</mark>的研究人员开发了 EvoAI，这是一种经验性地询问序列空间，然后对其进行建模、压缩和重建的方法。该方法结合了高通量实验进化和计算方法来捕捉和学习空间的基本特征。</p><p><img data-height="1023" data-imgfileid="100020128" data-ratio="0.7759259259259259" data-src="https://mmbiz.qpic.cn/mmbiz_png/XLCp9HBkwLnAnOddd3IVws7DbbiaRMbqv1cAuhCIxFO0kY9Vc5eTWX7aC7tuMeaaEQ21tybMYroLCF5arJsbjVQ/640?wx_fmt=png&from=appmsg" data-type="png" data-w="1080" data-width="1318" data-original-style="null" data-index="4" src="https://image.jiqizhixin.com/uploads/editor/d93b5853-3052-4917-82ee-f83fe2aea139/640.png" alt="图片" data-fail="0" class="fr-fic fr-dib" style="width: 700%;"></p><p>图示：EvoScan 方案，蛋白质-蛋白质相互作用进化的开发和验证。（来源：论文）</p><p>研究人员首先开发了一种进化扫描方法，该方法通过结合基于 EvolvR 的分段诱变系统来适应噬菌体辅助非连续进化 (PANCE)。</p><p>然后，团队开发了一个<mark data-id="01946acc-d031-4c0e-909c-f062643b7273" data-type="tech_methods">深度学习</mark>和大型<mark data-id="fee178e8-ee20-42fc-8f8f-1d41c1f34e8f" data-type="tech_tasks">语言模型</mark>，从这些锚点重建序列空间并设计新的蛋白质，所有十种蛋白质都表现出比野生型（WT）大大提高的活性（高达 11 倍）。</p><p>研究人员将 EvoAI 应用于阻遏蛋白，结果显示仅 82 个锚点就足以压缩高适应度序列空间，压缩率为 10<sup>48</sup>。</p><p><img data-height="1375" data-imgfileid="100020129" data-ratio="1.3640873015873016" data-src="https://mmbiz.qpic.cn/mmbiz_png/XLCp9HBkwLnAnOddd3IVws7DbbiaRMbqv4f44D8OayBGOsBwt0Tx2iaiaYoeGHOg3NOEiarlUVaVhP6Ks2JwV3LS4A/640?wx_fmt=png&from=appmsg" data-type="png" data-w="1008" data-width="1008" data-original-style="null" data-index="5" src="https://image.jiqizhixin.com/uploads/editor/31fde3a5-cb1f-43bc-827c-8a801be88fcc/640.png" alt="图片" data-fail="0" class="fr-fic fr-dib" style="width: 700%;"></p><p>图示：EvoScan 生成的 82 个锚点的遗传关系和特征。（来源：论文）</p><p><strong>几个重要优势</strong></p><p>与现有方法相比，该方法有几个重要优势。</p><p>首先，它平衡了现实的适应度优化和序列空间的均匀采样，可以快速探索高维度，生成更多样化和功能性的变体，并提供有关序列功能关系的更丰富信息。</p><p>其次，通过在 EvoAI 中集成经验进化扫描和<mark data-id="01946acc-d031-4c0e-909c-f062643b7273" data-type="tech_methods">深度学习</mark>模型，它可以利用两种方法的优势。它可以利用<mark data-id="01946acc-d031-4c0e-909c-f062643b7273" data-type="tech_methods">深度学习</mark>学到的属性来动态地指导扫描过程。可解释的<mark data-id="01946acc-d031-4c0e-909c-f062643b7273" data-type="tech_methods">深度学习</mark>的未来发展可以揭示潜在的规则或模式，并深入了解蛋白质如何适应和克服进化的限制或权衡。</p><p><img data-height="1540" data-imgfileid="100020130" data-ratio="1.4285714285714286" data-src="https://mmbiz.qpic.cn/mmbiz_png/XLCp9HBkwLnAnOddd3IVws7DbbiaRMbqvsyoURibdic7rmOEicXsECGVF9O1gPib1icmOOnoqicjWrTxqjHUdUsWth5qg/640?wx_fmt=png&from=appmsg" data-type="png" data-w="1078" data-width="1078" data-original-style="null" data-index="6" src="https://image.jiqizhixin.com/uploads/editor/053cedcf-4c3c-4528-b181-d67ca7c501cf/640.png" alt="图片" data-fail="0" class="fr-fic fr-dib" style="width: 700%;"><br></p><p>图示：彻底的片段扫描以了解蛋白质-配体相互作用的演变。（来源：论文）</p><p>第三，该方法可以拓展和研究缺乏结构信息或涉及具有挑战性的相互作用的蛋白质。实验表明，EvoScan 可以捕获具有多种功能的蛋白质的锚点，例如蛋白质-蛋白质、蛋白质-配体和蛋白质-核酸相互作用。</p><p>理论上，该方法应该与任何可以与转录输出耦合的生物分子功能兼容（例如，通过小分子传感器的酶），因此可以应用于研究各种生物分子的序列空间。</p><p>同时，研究人员表示，研究中测试的化学空间（例如酶反应）或配体空间（例如蛋白质相互作用）可能有所不同，需要进一步探索。</p><p><strong>优化方向与展望</strong></p><p>研究人员表示，该方法未来可以进一步优化改进。</p><p>接下来，研究人员可以使用具有更多原型间隔区相邻基序选项的 Cas9 变体来增加 gRNA 平铺和突变靶向片段的选择。它们还可以修改编辑系统，一次性在多个位点引入突变，避免宿主切换并加快探索过程。</p><p>此外，将 EvoScan 的靶向诱变方法整合到 PACE 中可能会实现对序列空间片段的更深入采样。并且，将 EvoScan 与 Evoracle 等基因型重建方法相结合，可以更系统、更智能地探索序列空间。</p><p>另外，该系统的模块化使其非常适合自动化，例如最近报道的 PRANCE 方法，并且可以扩大规模以提供不同蛋白质靶标更全面的适应度景观分析数据，说明高适应度基因型的设计空间的极端压缩性是普遍的还是不寻常的，或者整个蛋白质适应度景观是否可压缩。</p><p><img data-height="813" data-imgfileid="100020127" data-ratio="0.5444444444444444" data-src="https://mmbiz.qpic.cn/mmbiz_png/XLCp9HBkwLnAnOddd3IVws7DbbiaRMbqvVXlIysMDqwsHBIrGbyoKiaicNeLanpUxxoMkic79JYcEgFbmia2bGQpLjA/640?wx_fmt=png&from=appmsg" data-type="png" data-w="1080" data-width="1494" data-original-style="null" data-index="7" src="https://image.jiqizhixin.com/uploads/editor/4f74ef2e-eb98-4ac6-8810-90835f5931a3/640.png" alt="图片" data-fail="0" class="fr-fic fr-dib" style="width: 700%;"></p><section>图示：锚点和<mark data-id="01946acc-d031-4c0e-909c-f062643b7273" data-type="tech_methods">深度学习</mark>重建了高适应度基因型的设计空间。（来源：论文）</section><p>研究人员还希望他们的方法能够激发人们对基因型和表型之间的关系以及生物系统进化的新见解。设计空间的可压缩性可能表明，大自然以某种方式找到了一种方法，通过达尔文进化论在地球上相对较短的生命期内搜索看似无限的空间。大型有性群体中染色体区域的基因重组可能使这种维度压缩从而促进进化。</p><p>然而，重要的是要认识到自然进化是多方面的，受到不同的选择压力、波动的环境条件、条件中性和基因组背景的影响——这些因素在目前的方法中尚未完全考虑。</p><p>该方法将来与高通量实验相结合，可能有助于研究生物系统进化结果的路径依赖性，并为生物技术和生物医学应用中的进化和蛋白质设计提供宝贵的见解。</p><p>论文链接：<em>https://www.nature.com/articles/s41592-024-02504-2 </em></p></div><div class="u-flex article__other js-article-other"><div class="article__other--tags"><a alt="theory" class="u-btn--gray category__link article__other--tag" href="/categories/theory">理论</a><span class="u-btn--gray category__link article__other--tag">蛋白质</span><span class="u-btn--gray category__link article__other--tag">深度学习</span><span class="u-btn--gray category__link article__other--tag">生物</span><span class="u-btn--gray category__link article__other--tag">语言模型</span><span class="u-btn--gray category__link article__other--tag">清华大学</span></div><div class="article-action js-article-action"><a alt="收藏文章" class="u-like-icon article-action__item js-like-action" data-path="/articles/2024-11-27-6" href="javascript:;"><i class="iconfont icon-like-default"></i><span></span></a><a class="u-like-icon article-action__item js-go-comment js-switch-comment" href="javascript:;"><i class="iconfont icon-message-default"></i><span></span></a><a alt="分享" class="article-action__item u-like-icon u-share__box" href="javascript:;"><i class="iconfont icon-share-default"></i><div class="u-share__list t-vertical"><button alt="分享到微信" class="u-btn--circle u-share__item u-share__webtn" href="javascript:;"><i class="iconfont icon-wechat"></i><div class="u-share__wechat js-qrcode"></div></button><button alt="分享到微博" class="u-btn--circle u-share__item js-share-btn" data-title="压缩率达10的48次方，实现蛋白序列空间极端压缩，清华EvoAI登Nature子刊" data-type="weibo" href="javascript:;"><i class="iconfont icon-weibo"></i></button><button alt="分享到推特" class="u-btn--circle u-share__item js-share-btn" data-title="压缩率达10的48次方，实现蛋白序列空间极端压缩，清华EvoAI登Nature子刊" data-type="twitter" href="javascript:;"><i class="iconfont icon-twitter"></i></button></div></a></div></div></div><div class="u-col-8"><div class="article__hr"></div><div class="article-graph__container"><div class="article-similar__tip">相关数据</div><div class="article-graph__item"><div class="article-graph__header js-tips-header"><a class="article-graph__keyword" href="https://pro.jiqizhixin.com/database/institutions/4349d6b9-40ff-4e23-a237-f9ace91c6c81" target="_blank">清华大学</a><span class="article-graph__type">机构</span><div class="article-graph__arrow"><i class="iconfont icon-arrowdown"></i></div></div><div class="article-graph__body"><div class="article-graph__mecha"><div class="graph__logo" style="background-image: url(https://image.jiqizhixin.com/uploads/graph/institution/logo/4349d6b9-40ff-4e23-a237-f9ace91c6c81/%E6%B8%85%E5%8D%8E%E5%A4%A7%E5%AD%A6logo.png)"></div><div class="graphs__box"><p class="graph__content">清华大学（Tsinghua University），简称“清华”，由中华人民共和国教育部直属，中央直管副部级建制，位列“211工程”、“985工程”、“世界一流大学和一流学科”，入选“基础学科拔尖学生培养试验计划”、“高等学校创新能力提升计划”、“高等学校学科创新引智计划”，为九校联盟、中国大学校长联谊会、东亚研究型大学协会、亚洲大学联盟、环太平洋大学联盟、清华—剑桥—MIT低碳大学联盟成员，被誉为“红色工程师的摇篮”。清华大学的前身清华学堂始建于1911年，因水木清华而得名，是清政府设立的留美预备学校，其建校的资金源于1908年美国退还的部分庚子赔款。1912年更名为清华学校。1928年更名为国立清华大学。1937年抗日战争全面爆发后南迁长沙，与北京大学、南开大学组建国立长沙临时大学，1938年迁至昆明改名为国立西南联合大学。1946年迁回清华园。1949年中华人民共和国成立，清华大学进入了新的发展阶段。1952年全国高等学校院系调整后成为多科性工业大学。1978年以来逐步恢复和发展为综合性的研究型大学。</p><a class="graph__title graph__link" href="http://www.tsinghua.edu.cn/" target="_blank"><i class="iconfont icon-link2"></i>http://www.tsinghua.edu.cn/</a></div></div><div class="graph__about"><div class="graph__title graph__sub">相关技术</div><div class="graph__fields"><a class="graph__field" href="javascript:;">知识图谱</a></div></div></div></div><div class="article-graph__item"><div class="article-graph__header js-tips-header"><a class="article-graph__keyword" href="https://www.jiqizhixin.com/graph/technologies/01946acc-d031-4c0e-909c-f062643b7273" target="_blank">深度学习</a><span class="article-graph__type">技术</span><div class="article-graph__arrow"><i class="iconfont icon-arrowdown"></i></div></div><div class="article-graph__body"><div class="graphs__box"><p class="graph__content">深度学习（deep learning）是机器学习的分支，是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。深度学习是机器学习中一种基于对数据进行表征学习的算法，至今已有数种深度学习框架，如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。 </p></div><div class="graph__title graph__link graph__origins"><i class="iconfont icon-link2 u-mr-6"></i>来源：<a class="graph__origin" href="https://www.nature.com/articles/nature14539" target="_blank">LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. nature, 521(7553), 436.</a></div></div></div><div class="article-graph__item"><div class="article-graph__header js-tips-header"><a class="article-graph__keyword" href="https://www.jiqizhixin.com/graph/technologies/fee178e8-ee20-42fc-8f8f-1d41c1f34e8f" target="_blank">语言模型</a><span class="article-graph__type">技术</span><div class="article-graph__arrow"><i class="iconfont icon-arrowdown"></i></div></div><div class="article-graph__body"><div class="graphs__box"><p class="graph__content">语言模型经常使用在许多自然语言处理方面的应用，如语音识别，机器翻译，词性标注，句法分析和资讯检索。由于字词与句子都是任意组合的长度，因此在训练过的语言模型中会出现未曾出现的字串(资料稀疏的问题)，也使得在语料库中估算字串的机率变得很困难，这也是要使用近似的平滑n元语法(N-gram)模型之原因。</p></div><div class="graph__title graph__link graph__origins"><i class="iconfont icon-link2 u-mr-6"></i>来源：<a class="graph__origin" href="https://zh.wikipedia.org/wiki/%E8%AA%9E%E8%A8%80%E6%A8%A1%E5%9E%8B" target="_blank">维基百科</a></div></div></div></div><div class="article__hr"></div><div class="article-similar"><div class="article-similar__tip">推荐文章</div><div class="u-flex"><article class="article-similar__inline"><a alt="我们为你精选了一份Jupyter/IPython笔记本集合 !（附大量资源链接）-下篇" class="u-image-base article-similar__cover" href="/articles/2019-04-25-9" rel="noopener noreferrer" target="_blank"><img alt="我们为你精选了一份Jupyter/IPython笔记本集合 !（附大量资源链接）-下篇" class="u-image-center" src="https://image.jiqizhixin.com/uploads/article/cover_image/cbe559db-ddf2-4a6c-871d-57c108492ad9/%E5%BE%AE%E4%BF%A1%E5%9B%BE%E7%89%87_20190425152315.jpg?imageView2/1/w/236/h/175" /></a><a alt="我们为你精选了一份Jupyter/IPython笔记本集合 !（附大量资源链接）-下篇" class="u-text-limit--two article-similar__title" href="/articles/2019-04-25-9" rel="noopener noreferrer" target="_blank">我们为你精选了一份Jupyter/IPython笔记本集合 !（附大量资源链接）-下篇</a><footer class="article-similar__footer u-flex"><a alt="THU数据派" class="u-flex article-similar__user" href="/users/9a24cd92-66a7-4d7c-992d-3c197056a899" rel="noopener noreferrer" target="_blank"><span class="u-avatar-base article-simple__avatar"><img alt="THU数据派" class="u-image-center" src="https://cdn.jiqizhixin.com/assets/avatars/anonymous-2-c1597a15e88db92a6875ac5a53546c5a941c23c12158c0c4bd046ee45e9f1ba9.jpg" /></span><span class="u-ml-6">THU数据派</span></a><a alt="点赞" class="u-like-icon js-like-action" data-path="/articles/2019-04-25-9" href="javascript:;"><i class="iconfont icon-like-default"></i><span></span></a></footer></article><article class="article-similar__inline"><a alt="打造属于机器人的触觉感官，腾讯Robotics X实验室做到了更快、更轻、更准" class="u-image-base article-similar__cover" href="/articles/2022-12-01-5" rel="noopener noreferrer" target="_blank"><img alt="打造属于机器人的触觉感官，腾讯Robotics X实验室做到了更快、更轻、更准" class="u-image-center" src="https://image.jiqizhixin.com/uploads/article/cover_image/9178eee9-431f-4ffb-abae-87e8123c834c/%E5%BE%AE%E4%BF%A1%E5%9B%BE%E7%89%87_20221130100823.jpg?imageView2/1/w/236/h/175" /></a><a alt="打造属于机器人的触觉感官，腾讯Robotics X实验室做到了更快、更轻、更准" class="u-text-limit--two article-similar__title" href="/articles/2022-12-01-5" rel="noopener noreferrer" target="_blank">打造属于机器人的触觉感官，腾讯Robotics X实验室做到了更快、更轻、更准</a><footer class="article-similar__footer u-flex"><a alt="机器之心" class="u-flex article-similar__user" href="/users/c3095d05-2af0-4669-963c-ffc11580c089" rel="noopener noreferrer" target="_blank"><span class="u-avatar-base article-simple__avatar"><img alt="机器之心" class="u-image-center" src="https://cdn.jiqizhixin.com/assets/avatars/anonymous-1-83f4ab515bbe824688aef66da82d70a493aea5bcfe5c83df85db80a77c1591e9.jpg" /></span><span class="u-ml-6">机器之心</span></a><a alt="点赞" class="u-like-icon js-like-action" data-path="/articles/2022-12-01-5" href="javascript:;"><i class="iconfont icon-like-default"></i><span>1</span></a></footer></article><article class="article-similar__inline"><a alt="「返老还童」梦想成真？「NMN教父」争议研究将登陆科学顶刊" class="u-image-base article-similar__cover" href="/articles/2022-12-20-4" rel="noopener noreferrer" target="_blank"><img alt="「返老还童」梦想成真？「NMN教父」争议研究将登陆科学顶刊" class="u-image-center" src="https://image.jiqizhixin.com/uploads/article/cover_image/4ec13ce1-8cf7-498e-980c-fcbde073b38e/image_-_2022-12-20T115235.993.png?imageView2/1/w/236/h/175" /></a><a alt="「返老还童」梦想成真？「NMN教父」争议研究将登陆科学顶刊" class="u-text-limit--two article-similar__title" href="/articles/2022-12-20-4" rel="noopener noreferrer" target="_blank">「返老还童」梦想成真？「NMN教父」争议研究将登陆科学顶刊</a><footer class="article-similar__footer u-flex"><a alt="机器之心" class="u-flex article-similar__user" href="/users/91c71276-f261-4825-a104-d69969596587" rel="noopener noreferrer" target="_blank"><span class="u-avatar-base article-simple__avatar"><img alt="机器之心" class="u-image-center" src="https://cdn.jiqizhixin.com/assets/avatars/anonymous-1-83f4ab515bbe824688aef66da82d70a493aea5bcfe5c83df85db80a77c1591e9.jpg" /></span><span class="u-ml-6">机器之心</span></a><a alt="点赞" class="u-like-icon js-like-action" data-path="/articles/2022-12-20-4" href="javascript:;"><i class="iconfont icon-like-default"></i><span></span></a></footer></article></div></div></div></div></div><div class="article__comment"><div class="u-container"><div class="u-col-8" id="comment-container"><div class="comment " data-url="/articles/2024-11-27-6" id="comment"><div class="comment-inline comment-editor"><a class="is-disabled js-comment-disabled js-like-action" href="javascript:;"><b>登录</b>后评论</a></div><div class="js-comment-list"><div class="comment-none__container js-comment-none"><img alt="暂无评论" class="comment-none__cover" src="https://cdn.jiqizhixin.com/assets/comment_none-5e1197d791fbe4840c7b95207c03e1e846ffcc6cf5060aab501cc39ac508b3ae.png" /><div class="comment-none__title">暂无评论~</div></div></div></div></div></div></div><div data-user="null" id="js-login-functionality"></div><div class="u-relative"><div class="u-fix-right--list" id="js-fix-right-list"><div class="u-fix-right--btn backtop" id="js-backtop"><a class="backtop__link" href="javascript:;"><i class="iconfont icon-xiangshangjiantou backtop__icon"></i></a><a class="backtop__link is-second">返回顶部</a></div></div></div><footer class="footer" id="footer"><div class="u-flex footer__wrapper"><div class="footer__left"><div class="footer__logo"><img height="43" src="https://cdn.jiqizhixin.com/assets/logo-c617614d41c836153141ce68ff2b8be19e15cd9c16b2ef1936bc4ad734397392.png" /></div><div class="footer-link"><a class="footer-link__item" href="/about" target="_blank">关于我们</a><a class="footer-link__item" href="/terms" target="_blank">服务条款</a></div></div><div class="footer__middle"><div class="footer__title t-second">全球人工智能信息服务</div><div class="footer__middle--items"><span class="footer__middle--friends">友情链接:</span><a alt="Synced Global" class="footer__middle--item" href="https://syncedreview.com/" target="_blank">Synced Global</a><a alt="机器之心 Medium 博客" class="footer__middle--item" href="https://medium.com/@Synced" target="_blank">机器之心 Medium 博客</a><a alt="PaperWeekly" class="footer__middle--item" href="http://www.paperweekly.site/" target="_blank">PaperWeekly</a><a alt="动脉网" class="footer__middle--item" href="https://vcbeat.top/" target="_blank">动脉网</a><a alt="艾耕科技" class="footer__middle--item" href="https://www.aidigger.com/" target="_blank">艾耕科技</a></div></div><div class="footer__right"><div class="footer__social"><div class="footer__tooltip"><a class="footer__social--icon iconfonts icon-wechat" href="javascript:;"></a><div class="footer__tooltip-box"><img alt="机器之心微信公众平台" src="https://cdn.jiqizhixin.com/assets/application/weixinQR-2e2eb9e01d350c1ce6bd7cfe4cf8aa2209a1d72b50f1a6147a371e85548fcdf4.jpg" /></div></div><div class="footer__tooltip"><a class="footer__social--icon iconfonts icon-weibo" href="http://weibo.com/synced" rel="noopener noreferrer" target="_blank"></a></div><div class="footer__tooltip"><a class="footer__social--icon iconfonts icon-rss" href="https://jiqizhixin.com/rss" rel="noopener noreferrer" target="_blank"></a></div></div></div></div><p class="footer__other">©2024 机器之心（北京）科技有限公司     <a class="footer__other" href="https://beian.miit.gov.cn" target="_blank">京ICP备2021005318号-1</a></p></footer><footer class="footer u-flex ncov__footer" id="ncov-footer"><div class="u-flex footer__wrapper"><div class="footer__left"><div class="footer__logo"><img height="50" src="https://cdn.jiqizhixin.com/assets/logo-c617614d41c836153141ce68ff2b8be19e15cd9c16b2ef1936bc4ad734397392.png" /></div><div class="ncov__footer__day"><img src="https://cdn.jiqizhixin.com/assets/weapp/ai_ncov-fd4187ebf31cb21f3d7066c6e8da2202fe1c8c5b4f19ecda437a00d03bae9aa2.svg" /><p>识别二维码，立即订阅智能战疫日报</p></div><div class="ncov__footer__synced">众智成城，共克时艰</div></div><div class="footer__right"><div class="ncov--title">加入「智能战疫联合行动」 </div><div class="ncov__footer__advices"><div class="ncov__footer__advices__item">您/贵司在疫情中面临哪些困难与诉求</div><div class="ncov__footer__advices__item">您/贵司在疫情中可为其他企业提供哪类帮助</div><div class="ncov__footer__advices__item">您/贵司有哪些抗疫动作或故事希望与大家分享</div><div class="ncov__footer__advices__item">您/贵司希望如何参与抗疫行动</div></div><div class="ncov__footer__form"><a href="http://jiqizhixin.mikecrm.com/j2hVkH0">前往填写</a></div></div></div></footer><div data-react-class="utils/Modal" data-react-props="{}" data-react-cache-id="utils/Modal-0"></div><div data-react-class="utils/Alert" data-react-props="{}" data-react-cache-id="utils/Alert-0"></div><div class="notice__container" id="js-notice-container"></div><script src="https://cdnjs.cloudflare.com/ajax/libs/plupload/2.1.6/plupload.full.min.js"></script><script src="https://o.alicdn.com/captcha-frontend/aliyunCaptcha/AliyunCaptcha.js"></script><script>(function(i,s,o,g,r,a,m){i['GoogleAnalyticsObject']=r;i[r]=i[r]||function(){ (i[r].q=i[r].q||[]).push(arguments)},i[r].l=1*new Date();a=s.createElement(o), m=s.getElementsByTagName(o)[0];a.async=1;a.src=g;m.parentNode.insertBefore(a,m) })(window,document,'script','https://www.google-analytics.com/analytics.js','ga'); ga('create', 'UA-96130205-2', 'auto'); ga('send', 'pageview');</script><script src="https://cdn.jiqizhixin.com/assets/packs/js/application-7aa65d627ec44a72b455.js"></script><script>window.currentUser = null; window.sysEnv = "production"</script></body></html>