DeepMind再创新里程碑!首次公开35万种蛋白质预测结构
蛋白质对于生命至关重要,几乎所有疾病,包括癌症、痴呆症都与蛋白质的结构和功能息息相关。数以亿计的蛋白质结构含有丰富的生物信息,既可以用于生物过程推理,也可以用于药物开发或药物干预。然而,经过几十年的努力,科学家们只预测了人类蛋白质序列中 17% 的氨基酸残基。
7 月 23 日,《Nature》杂志发表的一篇题为“Highly accurate protein structure prediction for the human proteome”的研究论文引爆各大社交网络。
这篇论文出自人工智能明星公司 DeepMind,当天其创始人 Demis Hassabis 在推特上兴奋的表示,“这是我梦寐以求的一天,DeepMind 的创办初衷就是用人工智能推动科学发展,造福于人类,我为我们的研发团队感到无比骄傲。”
据悉,这项研究成果将人类蛋白质组预测范围覆盖到了 98.5%,其中 58% 的氨基酸的结构位置做出可信预测(confident prediction),对 36% 的氨基酸的结构预测达到很高的置信度(very high confidence)。
DeepMind 在官方博客中表示,作为蛋白结构预测的强大的工具,AlphaFold 将被广泛应用于生命科学以及药物研发等领域。“我们相信,这是迄今为止人工智能为推进科学发展做出的最重要的贡献,也是人工智能造福人类最有价值的示例”。
这篇博客的标题为《把 AlphaFold 的力量交到全世界的手中》,可见 DeepMind 对 AlphaFold 改变生命科学研究的信心。
为了支持生物学和医学研究,DeepMind 与 欧洲生物信息学研究所 (EMBL-EBI) 合作创建了第一个 AlphaFold DB,并免费向学术界开放。这是迄今为止人类蛋白质组最完整、最准确的高质量数据集,它比人类通过生物实验确定的蛋白质结构的数量还多两倍。
数据集地址:https://alphafold.ebi.ac.uk/
数据库涵盖了人类蛋白质组和其他 21 种关键生物的全蛋白质结构预测结果,包括大肠杆菌、果蝇、斑马鱼等,蛋白质种类达到了 35 万种。
DeepMind 表示,在接下来的数月,他们计划将数据库的范围扩大到 1.3 亿个蛋白结构,目标是为所有具有已知序列的蛋白提供预测结构。
这项研究公布后,2009 诺贝尔生理学和医学奖得主 Paul Nurse、马克斯。普朗克生物物理化学研究所负责人 Patrick Cramer、朴茨茅斯大学结构生物学教授兼酶创新中心 (CEI) 中心主任 John McGeehan、Google 创始人兼首席执行官 Sundar Pichai 等众多科学家对此表达了高度赞誉,John McGeehan 表示:“我们花费数月,甚至数年才完成的事情,AlphaFold 现在可能只需要一个周末。”
而 Sundar Pichai 在推特中写道:
AlphaFold 数据库显示了人工智能深刻加速科学进步的潜力。DeepMind 的机器学习系统不仅在一夜之间极大地扩展了我们对蛋白质结构和人类蛋白质组所积累的知识,而且它对生命组成部分的深刻见解为科学发现的未来带来了非凡的希望。
AlphaFold 预测结构并非没有局限性,如尚且不能预测复杂复合体的 3D 结构;在动态过程中,通常只能预测一个蛋白构象;对于不产生特定结构的氨基酸序列,无法做出可信的结构预测。
然而,在五位行业专家的眼中,当 DeepMind 开始关注开源开放,并公开 AlphaFold2 源代码和更多细节后,科学界将在此基础上加速开发出更好的解决方法,这是人工智能预测蛋白质,以及生物计算领域又一次飞跃的机会。(以下排序不分先后)
许东,密苏里大学教授,AAAS、AIMBE Fellow
从应用层面来讲,这项研究所带来的行业影响力是巨大的。DeepMind 在论文中提到的高置信度蛋白质结构预测,基本可以达到准实验精度,而这极大地扩展了它的应用范围。在以往的研究中,受限于预测的精度和可信度,诸如小分子药物设计等方面的研究受到了很大的阻碍,而现在能够在高置信度蛋白质结构上做分子对接预测。
当然,AlphaFold2 目前也存在一定的局限性,比如很多蛋白和区间并不能达到高置信度,AlphaFold2 评估的一些高置信度,本质上更像是一种高可信性的假设,它与实验的第一手的观察仍有差距。其主要原因在于蛋白质结构具有的很强的多变性,个别情况下,几个氨基酸可能就会完全改变其结构和功能,而人工智能系统基于统一性,很难发现这种变化和差异。换言之,预测结构与实验室结构仍不能完全划等号。不过我相信,随着算法的提升和 AI 的数据边际效应,AlphaFold2 仍有很大的提升空间。
值得一提的是,国内近年来在 AI 预测蛋白质结构方面的研究也取得了长足的进步。比如中科院卜东波教授主持的 FALCON 预测系统,其预测精度有了大幅度提升,虽然仍未达到 AlphaFold2 的预测水平,但整体趋势是快速向前发展的,这是人工智能技术日渐成熟的一种必然结果。
人工智能预测在本质上是基于大数据的统计,而非物理学过程。蛋白质折叠结构中的一些物理属性,比如不同的酸碱度、温度造成的结构变化,AI 是无法预测和分析的,这意味它不能完全取代传统以物理为基础的模拟、预测方法。不过,AI 善于从海量数据中挖掘深度信息、发现规律,这种模式与蛋白质结构预测等生物学研究需求非常契合,相信它未来会为生物学界和科学界带来更大突破性的成果。
张阳,密歇根大学教授,I-TASSER 算法发明人
我有幸参加了 DeepMind 两篇研究论文的评审工作。总体来看,所有审稿人都对第一篇 AlphaFold2 关于算法的文章评价很高,而对本次关于人类基因组的应用的论文有所保留,具体包括以下几个方面:
第一是论文缺乏新意。自从蛋白质结构预测问题被提出后,特别是人体基因组计划后,如何用计算机算法对整体基因组进行蛋白质结构预测,便成为了科学家努力的目标。在过去二十年,关于基因组蛋白质结构预测的论文发表已发表很多,这远不是第一篇。
第二,从方法学来讲,蛋白质预测关键在于算法开发,应用层面是很直接的事情,只要有足够的计算机资源就可以实现。
第三,这篇文章注重强调如何利用预测结构对蛋白质功能进行分析,特别展示了三个蛋白例子。虽然这些努力很可贵,但是没有一个例子是经过双盲实验验证,而这在蛋白质功能预测方面是非常必要的。
这篇工作之所以备受关注,是因为 AlpahFold2 算法(即第一篇论文)达到了目前为止计算机能够预测的最高精度。从 CASP14 的结果来看,AlphaFold2 有 2/3 的目标蛋白达到了实验精度,在难度较高的非同源序列预测上,有 1/3 的目标蛋白达到这个精度,而人体基因库中尚未解开的蛋白大部分为非同源蛋白。另外一方面,因为历史的原因,CASP14 的测评是基于单结构域的小蛋白质结构。对多结构域的大蛋白质或者多链蛋白质复合体结构的预测,AlphaFold2 的模拟精度还是一个未知数。
许锦波,芝加哥丰田计算技术研究所教授,斯隆奖得主
DeepMind 向外界公开源代码和数据库,将对学术界和工业界的研究发展产生重大影响,尤其是生物制药等工业界。目前国内的研究成果可能略显滞后,但随着人工智能算法的提升,加上更多高质量数据库的开源,相信在未来的 2-3 年内相关研究会有一个质的飞跃,或者达到与 DeepMind 比肩的水平。
作为最高等的生物,人类蛋白质组的预测难度比较高,AlphaFold 虽然预测人类蛋白的覆盖率达到了 98.5%,但其在氨基酸层面的结构预测上仍有一定的提升空间。
蛋白质高精度预测不能完全依赖于人工智能技术,它应作为生物实验方法的最佳补充技术,二者的关系是相辅相成的。数十年来,实验方法尚未解开的人类蛋白结构,仍需要基于大数据和算力的 AI 提供更多思路和可能,同时,加速现有生物结构研究的 AI, 其预测结果仍需要得到实验的验证。
知名专家,人工智能与蛋白质结构预测资深从业者
在方法创新上,AlphaFold 提出了一套全新的模型架构与训练策略;在应用价值上,AlphaFold 蛋白质结构数据库,将为更好地理解蛋白质在生物体内的功能与作用提供见解和参考。对于行业而言,AlphaFold 为蛋白质单链结构、蛋白质复合体以及蛋白质小分子等结构预测任务指明了思路,对基于结构的药物设计等领域可能会有较大的推动作用。
目前,AlphaFold 对于模型输入侧的同源序列信息仍然存在一定的依赖,可能会出现预测不够精确的问题;同时,对于三维结构更多依赖于异构接触(heterotypic contacts)而非链内接触或同构接触的蛋白质,也可能出现精度问题,这也是作者在论文中所提到的未来改进方向之一。
在 AlphaFold(以及 David Baker 组的 RoseTTAFold)发布之前,国内已有一些将端到端学习引入到蛋白质结构预测中的初步尝试(包括我们 tFold),在预测精度方面,基本可以达到与 CASP14 中排名第二的 Baker 组相仿的水平,但与 AlphaFold 仍存在一定差距。在 AlphaFold 论文及代码公开后,相信国内这方面的研究将在短期内迎来较大的提升幅度。
在蛋白质结构预测领域,AlphaFold 的出现,在一定程度上降低了基于实验数据的蛋白质结构测定的工作量;同时,通过结合真实实验数据和 AlphaFold 预测出的结构预测结果,可以解析出具有更高分辨率的蛋白质结构,为下游任务提供指导。此类技术可以仅基于序列数据,是基于实验数据的蛋白质结构数据库的某种程度上的有效补充。另一方面,现有方法的可解释性以及与物理先验知识的结合尚显不足,如何为结构预测结果提供令人信服的置信度衡量和微观层面上的理论支持,还有待进一步探索。
郭天南,西湖大学教授,蛋白质组大数据实验室负责人
这项成果意味 AI 已进入生命科学的微观分子领域,并且向生命科学研究人员开放,其意义类似于 AlphaGo 进入人们生活(围棋领域),它的广泛使用可能对结构生物学产生重大影响。
正如 DeepMind 在论文中所说,Alphafold2 虽然发现了很多新的蛋白质结构,但是这些结构是否完全正确,尚需要传统生物实验的验证。在生命活动中,蛋白质的结构和功能具有高度的复杂性和动态性,在不同的功能状态下,结构可能也会发生改变。如某一个氨基酸的翻译后修饰可能完全改变蛋白质的结构和功能,而目前,AlphaFold2 是否具有氨基酸水平和翻译后修饰的准确度,尚有待进一步研究和验证。
蛋白质是生命活动的重要元件。蛋白质结构的解析是理解蛋白质的基石。AI 用于蛋白质结构的预测,是非常好的趋势,象征着蓬勃发展的 AI 精英们进入生命科学的微观世界。其成果有可能在药物研发中发挥重要作用。
当然,具有革命性的新技术的出现,也必然会受到该领域的严格审核。AlphaFold2 的广泛应用可能会受到一些阻力,但是这些阻力也正是科学技术不断发展的动力。我相信 AI 应用于生命科学和医疗会越来越广泛深入。
AI 预测蛋白质,已成竞赛之势
通过实验方法确定蛋白质结构是一项耗时且艰苦的工作,而 AlphaFold 证明了人工智能可以在短短几分钟内准确预测蛋白质结构,并且精确到原子级。
诺贝尔化学奖得主克里斯蒂安・安芬森(Christian Anfinsen)在 1972 年曾提出,基于蛋白质的 1D 氨基酸序列可计算并预测蛋白质的 3D 结构。然而,3D 结构在形成之前会有数以亿计的折叠方式。有数据显示,一个典型的蛋白质大约有 10∧300 种可能的构型,如果用蛮力来计算所有可能的构型可能花费的时间比宇宙都要长。
去年,DeepMind 推出的人工智能预测系统全新版本 AlphaFold 2,攻克了这项长达 50 年多年的重大挑战,并获得了权威蛋白质结构预测评估机构(CASP)的认可 ——AlphaFold 2 通过氨基酸序列预测蛋白质折叠结构,在 CASP14 评估中的总体中位数达到了 92.4 GDT。
这意味着,AlphaFold 2 的结构预测达到了与使用冷冻电子显微镜(CryoEM)、核磁共振或 X 射线晶体学等实验技术解析 3D 结构几乎相当的精度。
其他同类 AI 相比,当时 AlphaFold2 的预测精度遥遥领先。
然而一周前,一支来自西雅图华盛顿大学医学院蛋白质设计研究所的研究团队发表论文“Accurate prediction of protein structures and interactions using a three -track neural network”提出,其研发的蛋白质预测系统 RoseTTAFold,已达到与 AlphaFold2 几乎相当的水平,甚至在预测蛋白质 3D 结构方面速度更快、所需计算机处理能力更低。
这项最新研究成果发布后立即登上了《 Science 》杂志。有趣的是,同一天,DeepMind 在《Nature》也发表了两篇论文,公开了 AlphaFold 人工智能系统的源代码,并详细描述了它的设计框架和训练方法。
目前,RoseTTAFold 的预测精度在 CASP14 评估系统中排名第二,仅次于 AlphaFold 刚刚发布的最新成果。此外,RoseTTAFold 也选择了开放源代码和服务器免费提供给科学界。
可以预见,随着 RoseTTAFold 和 AlphaFold2 源代码的公布,研究人员在两者的基础上继续前进,将有望对人工智能系统做出进一步改进,如攻克目前尚且无法确定构象的蛋白,以及设计全新的蛋白,相信更多科研机构将在短期内将迎来爆发式的提升。
相关阅读
-
地产、基建板块走强,中证1000指数ETF(159633)成交金额已超5.7亿,北辰实业、中华企业、鸿路钢构集体大涨
截至发稿,中证1000指数ETF(159633)跌0 77%,场内交投活跃,成交金额
2023-06-08 -
今日看点:港股通医药ETF(513200)成交金额已超7500万,国药控股、威高股份、石药集团飘红
截至发稿,港股通医药ETF(513200)微跌0 11%,成交金额7522万元;重仓
2023-06-08
404 Not Found
精彩推荐
404 Not Found
阅读排行
404 Not Found
相关词
- 段林希简介_段林希是谁 焦点观察
- csgo第一次开箱子怎么开?csgo新号开箱子好出金吗?
- 今日看点:港股通医药ETF(513200)成交金额已超7500万,国药控股、威高股份、石药集团飘红
- csgo开箱子还是直接买?csgo箱子需要买吗?
- 《自由篮球》选秀赛季全新上线 泰山乔商店好礼派发 全球热资讯
- 天天热议:《跑跑卡丁车》竹片持续放送中 个人RP赛回归
- csgo游戏内如何开箱子?csgo每个箱子都能开出什么?
- 人民银行:长期坚持稳健货币政策 中国金融周期相对稳健
- 【全球快播报】喝咖啡真的能提神吗
- 每日精选:淘宝卖家的基本义务是什么啊_淘宝卖家的基本义务是什么
- 周小川:上海国际金融中心建设着力点应放在资本市场主力产品上|焦点滚动
- csgo有什么开箱网站?csgo开箱网站是什么原理?
- 再次震荡?游戏ETF(159869)盘中一度跌超4%
- 地产、基建板块走强,中证1000指数ETF(159633)成交金额已超5.7亿,北辰实业、中华企业、鸿路钢构集体大涨
- csgo开箱子出什么?csgo一天掉几个箱子?
- 《星辰变》第五季第十五集:白凤和白馨下线,引发观众共鸣和热议
- csgo开箱网站打不开是怎么回事?csgo开箱网站有什么用?
- 世界快讯:边缘计算市场规模将达4450亿美元,边缘AI打开行业想象空间!奥拓电子两连板
- 通讯:“中国为我打开机遇之门”——一个洪都拉斯青年的中国情缘
- thinkpadt480蓝屏怎么解决 环球观天下
- 全球时讯:中国星辰|中国人登月如何实现?
- csgo网站开箱流程是怎样的?csgo哪个网页可以开箱?
- 环球热资讯!hticons.dll丢失如何自动修复
- csgo开箱子哪个好?csgo最保值的箱子是什么?
- 飞猪:端午出游预订节奏大幅提前 跨省游订单占比近9成
- csgo怎么打开箱子?csgo哪里买箱子钥匙最便宜?
- 外星袭击什么时候出 公测上线时间预告
- 哪些方法可以还原sd卡内的数据_热点
- csgo每天免费开箱方法是什么?csgo开箱出金概率高吗?
- 如何修复缺少fwbase.dll文件的问题
- csgo开箱子机制是怎样的?csgo箱子对应刀清单
- F4蓝屏代码出现应该采取什么应对方法
- 炖鸡的做法大全视频教程(炖鸡的做法大全) 播资讯
- csgo开箱子推荐哪一个?csgo怎么卖箱子?
- csgo幸运开箱网有哪些?csgo开箱网站可以提刀吗?
- 重庆市长寿区五部门联合开展互联网危险化学品专项治理行动|世界实时
- 江西省新余市持续开展“三项行动”夯实消费品质量基础|天天热门
- csgo如何免费开箱?csgo开箱一定要钱吗?
- 诺基亚c500有wifi功能吗(诺基亚c500) 观速讯
- 英雄机长刘传健护航 成都大运会火种飞赴北京_天天观察
- 全球视讯!随着天空变成红色 《暗黑4》的宣发变得像是真的
- 艺术 | 外交顶流京剧《白蛇传》你看过吗?
- 全球即时看!南航伦敦至北京大兴直飞航线正式开通
- csgo开箱子秘诀是什么?csgo开哪个箱子划算?
- 电脑启动时蓝屏出现字母是否与驱动有关_世界观热点
- 意义非凡的爱地希:展现新一代ADC药物的卓越疗效
- 全球今热点:【2023高考】考点内外“双保障” 他们每天为高考“服务”近10小时
- csgo开箱价格是多少?csgo开什么箱子容易出刀?
- 价格跌至前低,创业板成长ETF(159967)连续7天获资金 环球关注
- 世界简讯:明星三缺一2005百度云(明星三缺一2006)
- 充满算计!日美澳在南太铺光缆,日媒炒“抗衡中国影响力”|当前通讯
- AI医疗大模型MedGPT发布,医药ETF(512010)成_天天快资讯
- 海南核电自备码头改造圆满完成工程竣工验收
- 无人机巡视、红外测温…… 上海电力“设备主人”护航高考
- 河南已收获小麦7506.8万亩,约占全省种植面积的88%
- 每日看点!上月房企融资数据继续“缩水” 6月份约349亿债券到期
- 我想完美的皮肤官网在哪下载 最新官方下载安装地址
- csgo开箱歌曲有哪些?csgo开箱沙雕音乐分享
- csgo开箱教学来了 csgo可以免费开箱吗?
- 弹幕射击游戏《弹幕无限3》将于6月13日登陆PS4|世界观点
- 厦门外贸自主品牌培育入选外贸新业态优秀实践案例
- csgo开箱攻略有哪些?csgo开箱子能赚钱吗?
- 环球即时看!广东自贸试验区八年固定资产投资超1万亿
- 中国专家最新研究证实:肠癌相关标准治疗方案非普遍适用|全球热消息
- 世界通讯!生存游戏《浩劫前夕》发布全新预告视频 将重新上架Steam
- 北交所上市公司迈入“200+”时代
- 全球热推荐:护航“平安高考” 大兴安岭市场监管部门在行动
- 《原子之心》发布首个DLC敌人前瞻预告 今年夏季发售
- 广西来宾市市场监管局开展药品不良反应监测有成效
- 四川省遂宁市蓬溪县市场监管局开展“儿童用品安全行”主题宣传活动-要闻速递
- csgo开箱秘籍是什么?csgo开箱小技巧了解一下
- 报道:双星新材董秘回复:短期波动受到多种因素影响,因坚定自身而努力发展,公司持续深耕新材料发展,积极调整产品结构
- 双星新材董秘回复:公司一直在不断优化产品结构,对普膜产品持续结构调整
- 贝云科技“点亮”伦敦设计双年展 LUZENSE探索“情绪照明”
- csgo能不花钱开箱子吗?csgo一周可以掉落几个箱子?
- 《影子武士3:最终版》发布新版本更新 改善整体视觉效果
- 云南:总投资1916.75亿元,141个新项目完成签约|全球热资讯
- csgo开箱子网址有哪些?csgo能在手机上开箱子?
- 焦点报道:2023中国·天门服装电商产业峰会将召开
- 海泰新光董秘回复: 公司第一代产品没有在市场上进行大量推广,这是与公司的产品和市场定位有关|热点在线
- csgo可以去哪开箱?csgo公认最好的开箱平台介绍
- 事关耕地红线!浙江推进“进出平衡” ,严控一般耕地转为其他农用地
- 焦点简讯:金桥信息(603918)6月8日14点41分触及涨停板
- 祥生医疗董秘回复: 祥生医疗主营业务为超声医学影像设备研发、制造和销售
- 环球速看:海南昌江一湿地公园首次记录到六只紫水鸡幼崽同框
- csgo开箱子钥匙如何获得?csgo怎么得到箱子?
- 无人机巡视、红外测温…… 上海电力“设备主人”护航高考 快消息
- 全球关注:港元拆息普遍上升 一周及两周利率结束六连跌
- 中国科传(601858)6月8日14点44分触及跌停板|环球滚动
- csgo手机开箱子可行吗?csgo开哪个箱子划算?
- 《麦登橄榄球24》Steam页面上线 游戏暂不支持中文
- *ST京蓝(000711)6月8日14点44分触及涨停板 每日消息
- 法国反对北约在日本设立办事处
- csgo开箱见金必中吗?csgo良心开箱网站分享
- 焦点快看:广东:向海图强 激发蓝色经济新动能
- 上海市历史博物馆与俄罗斯国家历史博物馆签订友好合作备忘录
- 河北井陉:保护古村风貌 留住乡愁古韵
- 日播时尚(603196)6月8日14点35分触及涨停板
- 泉峰汽车: 公司控股股东及一致行动人自公司上市以来从未减持公司股票|全球讯息
- csgo全球开箱网站有哪些?csgo开箱靠谱吗?
- 每日热议!75年后,新疆考古第一人黄文弼《罗布淖尔考古记》崭新再版
- 天天新消息丨星火成炬 | 此去,桃李满天下!
- 第七届平遥国际电影展面向全球征集华语剧本项目 天天快报
- 全球热文:洪都拉斯总统特别助理:期待访华增进双边关系
- “新歌唱新疆”巡演首场在乌鲁木齐举办
- 四书五经指什么 四书五经指什么生肖?
- 深圳阳光整形美容医院怎么样_是三甲医院吗
- 手机评测排名2022:不同价位段中的最佳选择
- 海泰新光董秘回复: 谢谢您对公司的持续关注,也感谢您对公司的理解和支持-播报
- csgo开箱回本率是多少?csgo开箱微信支付在哪里?
- 向海图强!海洋经济“扬帆远航”-今日热搜
- csgo开箱梗是什么?csgo怎么批量开箱?
- 每日看点!更宽敞!我国新一代载人飞船可坐7人,将实现回收技术
- 微信群待办怎么发 微信群待办怎么发起-天天微速讯
- csgo开箱玄学有哪些?csgo开箱看见金了必出吗?
- Win11永劫无间蓝屏出现应该如何应
- 雾霾蓝连衣裙配什么鞋子 雾霾蓝连衣裙搭配什么鞋子-世界讯息
- 深圳友华普惠眼科怎么样 手术案例效果证明一切_全球实时
- 每日热文:通讯:“中国为我打开机遇之门”——一个洪都拉斯青年的中国情缘
- csgo开箱多少钱一个?csgo开箱模拟器推荐
- 日本民众举行抗议活动 反对政府排放核污染水入海_环球时快讯
- 离婚协议书的格式 离婚协议书的格式怎样写图片
- 潘功胜:中国坚持稳健的货币政策是金融周期相对稳健的原因-短讯
- 全球要闻:普通话手抄报内容大全_普通话手抄报内容精选
- CPU蓝屏一进系统就重启该如何解决
- 热点评!公安部交管局公布近期三轮车肇事肇祸典型交通事故案例
- 海南司机 今日高考英语听力考试期间途经考点禁止鸣笛-世界视点
- 长三角铁路端午小长假预计发送旅客1500万人次
- 妄想山海营地怎么升级(妄想山海营地如何升级) 环球即时看
- 什么是新零售的前端表象(新零售的表现形式)
- 怎样快速去黑眼圈_怎么去除黑眼圈|世界聚看点
- api-ms-win-core-bicltapi-l1-1-0.dll文件丢失如何修复?|热点在线
- xmllite.dll文件被破坏怎么办|天天微动态
- 一公顷等于多少平方千米_等于0.01平方分米
- 星球神偷官网在哪下载 最新官方下载安装地址
- 今日热搜:和平精英第十周任务怎么完成 任务完成技巧方法详解
- “国企领导牵手门”最新进展:牵手门涉事女子已被停职并接受调查
- 如何解决msprivs.dll报错丢失问题 环球热头条
- 前沿资讯!英语四级多少分及格_英语四级简介
- 灵显第一季_关于灵显第一季介绍 焦点日报
- 国服csgo如何开箱?csgo国服开箱方法介绍
- 河南省开封市龙亭区市场监管部门就定量包装茶叶过度包装问题开展专项检查和行政指导
- 天天速读:安徽省市场监管局推进法治政府建设结硕果
- 7b蓝屏怎么解决
- 新知青_关于新知青简介
- 深圳思莉医疗美容门诊部怎么样 真实情况在线获取-全球播报
- 新石器_关于新石器简介 环球热点
- csgo去哪开箱?csgo新人玩家开箱攻略
- 端午假期火车票6月8日开售,年轻人寻找下一个“淄博”
- 视焦点讯!童年好词好句好段_童年好词好句好段总结