从结构准确预测蛋白质功能,东北大学「CNN+GCN」统一框架

对蛋白质结构进行处理,得到相应的蛋白质序列。研究的主要贡献总结如下:在GCN方面,使用处理后的蛋白质序列特征和蛋白质接触图构建图形输入网络。使用GCN编码器来捕获短程信息,并引入Transformers来捕获长程信息。为了更好地理解拓扑语义,利用注意机制来生成图表示。在卷积网络方面,使用处理后的蛋白质序列特征作...

2024年诺贝尔化学奖:蛋白质设计与结构预测革新生物学范式

而AlphaFold2能够直接从蛋白质的氨基酸序列中预测蛋白质的3D结构,并且达到原子级精度,被认为解决了困扰人类50年历史的蛋白质折叠挑战,迅速推进了人类对基本生物过程的理解,并促进药物设计。2018年,DeepMind官宣了旗下AlphaFold。初亮相时,它在第13届“蛋白质结构预测奥运会”CASP比赛中,成功预测了43种蛋白质中2...

人工智能助力破解蛋白质神奇结构密码——2024年诺贝尔化学奖成果...

贝克的研究团队首先提出一个全新结构的蛋白质，然后利用Rosetta计算哪种氨基酸序列可以生成所需的蛋白质。为了验证该软件的成功率，贝克的研究小组将软件建议的氨基酸序列基因引入细菌，这些细菌生产了所需的蛋白质。然后，他们利用X射线晶体学确认了蛋白质结构与他们的设计几乎完全符合。该成果于2003年发表。此后，他的研...

中国科大在蛋白质设计领域取得重要进展

统计能量函数是一种从天然蛋白质序列和结构数据中抽提、总结得出的普适性模型,它用有效自由能的形式概括氨基酸残基的局部构象和空间相互作用。有了准确的能量模型,就可以通过优化序列能量进行蛋白质设计。该文报道了一种用全新策略构建的统计能量函数,理论分析表明其设计结果显著不同于、且在一些重要方面优于现有最好的...

中国科学技术大学结合计算预测和设计揭示无序蛋白结构域的靶标...

中国科大刘海燕教授、陈泉教授课题组与复旦大学王文宁教授合作,采用蛋白质结构预测、序列设计等计算手段与蛋白质互补分析和深度突变扫描、X射线晶体学、NMR等实验结合的方法,揭示了固有无序的4.1G蛋白C端结构域识别其固有无序靶标的结构机制。相关研究成果以“Combinedpredictionanddesignrevealthetargetrecognition...

中国科学家建立了新的蛋白质从头设计方法

SCUBA采用一种新的统计学习策略,基于核密度估计(或近邻计数,NC)和神经网络拟合(NN)方法,从原始结构数据中得到神经网络形式的解析能量函数,能够高保真地反应实际蛋白质结构中不同结构变量间的高维相关关系,在不确定序列的前提下,连续、广泛地搜索主链结构空间,自动产生“高可设计性”主链(www.e993.com)2024年11月24日。

“阿尔法折叠2”预测蛋白结构近原子水平

科技日报北京7月18日电(记者张梦然)据英国《自然》杂志16日发表的一项结构生物学最新研究,世界著名人工智能团队深度思维(DeepMind)描述了神经网络“阿尔法折叠2”能以就计算机方法而言前所未有的准确度,根据蛋白质的氨基酸序列预测其三维结构。蛋白质折叠问题被认为是人类在21世纪需要解决的重要科学前沿问题之一。理解蛋...

2024年诺贝尔化学奖揭晓!揭开蛋白质折叠的秘密

当地时间10月8日,瑞典皇家科学院宣布,将2024年诺贝尔化学奖授予三位科学家,一半奖金授予戴维·贝克(DavidBaker),以表彰他在“计算蛋白质设计”方面的贡献,并将另一半奖金授予德米斯·哈萨比斯(DemisHassabis)和约翰·江珀(JohnM.Jumper),以表彰他们在“蛋白质结构预测”方面的贡献。

单模型斩获“蛋白质突变预测”榜一,西湖大学提出基于结构词表方法

新智元导读Saprot在proteingym蛋白质突变预测任务公开基准榜(由牛津大学计算机与哈佛医学院设立)排名第一。相比,其他排名靠前的算法都是混合模型,专门针对突变任务设计,而Saprot不仅是单模型,而且是通用模型。蛋白质结构相比于序列往往被认为更加具有信息量,因为其直接决定了蛋白质的功能。

为什么说想了解AI+合成生物学,必须先搞懂蛋白质?

蛋白质预测真正火出圈在2020年,Deepmind升级了AlphaFold2,并在CASP14(“蛋白质结构预测奥运会”)中遥遥*。AlphaFold2团队颠覆性地提出使用注意力机制对目标蛋白进行预测,对人类蛋白质组58%的氨基酸的结构位置实现了可信预测。这一成功让物理的trRosetta结构预测模型时代成为历史。