- 我的订阅
- 科技
我们正处于一个信息大暴发的时代，每天都能产生数以百万计的新闻资讯！
虽然有大数据推荐，但面对海量数据，通过我们的调研发现，在一个小时的时间里，您通常无法真正有效地获取您感兴趣的资讯！
头条新闻资讯订阅，旨在帮助您收集感兴趣的资讯内容，并且在第一时间通知到您。可以有效节约您获取资讯的时间，避免错过一些关键信息。
能设计新蛋白质的AI再现突破
本文转自：科技日报
能设计新蛋白质的AI再现突破
生成在天然蛋白质中从未见过的拓扑结构
科技日报北京7月12日电 （记者张梦然）《自然》杂志11日发表的论文描述了一项结构生物学新突破：一种能设计新蛋白质的深度学习方法，名为RoseTTAFold Diffusion（RFdiffusion）。其能生成各种功能性蛋白质，包括在天然蛋白质中从未见过的拓扑结构。
深度学习推动了蛋白质结构的预测和设计，但仍需一个通用框架来克服在蛋白质设计上遇到的各种挑战。扩散模型是一种生成式模拟方法，已被证明在图像和文本生成中很有用，而且似乎也适用于蛋白质设计。然而，这类模型目前的成功率并不高，产生的序列基本不能折叠成目标结构。
美国华盛顿大学科学家研究表明，通过细调之前报道过的RoseTTAFold的结构预测网络，将其整合到一个降噪扩散模型中，就能生成具有实际意义的蛋白质骨架，而蛋白质骨架决定了蛋白质的形状和功能。RFdiffusion模型能测试拥有不同结构元素的设计组合，并从头开始产生蛋白质。该模型还能执行不同的任务，设计单体（蛋白质的基本组成单位）、寡聚体（多亚基聚体）、有治疗或工业应用前景的复杂结构。
团队对数百个设计出的对称聚体、金属结合蛋白和结合蛋白的结构和功能进行了实验表征，证明了该方法的实用性。他们生成了RFdiffusion设计的一种结合蛋白与其底物（此处为流感血凝素，一种在流感病毒表面发现的蛋白）的复合物并分析了其结构，发现结果与设计的模型几乎一模一样，从而证明了该方法的准确性。
研究人员表示，RFdiffusion是对目前蛋白质设计方法的一次综合改进，能产生总长度达600个残基的结构，复杂性和准确度都比之前更高，未来对该方法的进一步改进将能设计出复杂程度更高的新蛋白。
以上内容为资讯信息快照，由td.fyun.cc爬虫进行采集并收录，本站未对信息做任何修改，信息内容不代表本站立场。
快照生成时间：2023-07-13 05:45:06
本站信息快照查询为非营利公共服务，如有侵权请联系我们进行删除。
信息原文地址：
