Nature:计算蛋白质设计,AI如何重塑生物学的未来

为了更好地理解蛋白质的动态行为,研究人员采用了多种策略,包括使用分子动力学模拟和机器学习模型来捕捉蛋白质在不同条件下的构象变化。分子动力学模拟可以提供关于蛋白质运动的详细时间序列数据,但计算成本高昂且耗时,而机器学习模型则可以通过从大量数据中学习来快速预测蛋白质的可能构象,从而在精度与效率之间取得平衡。

中国科大与合作者提出蛋白质变构路径预测的深度学习模型

近年来,以AlphaFold为代表的深度学习模型在预测蛋白质的静态结构方面取得了巨大成功。然而,蛋白质的功能取决于其动力学特性。研究人员目前正在积极探索其他深度学习算法,旨在预测蛋白质的构象变化等动态行为。开发这类模型的主要挑战之一,在于描述构象转变的动力学数据严重不足。为了解决这个问题,作者结合物理约束的粗粒度分...

研究提出蛋白质变构路径预测的深度学习模型—新闻—科学网

然而,蛋白质的功能取决于其动力学特性。研究人员目前正在积极探索其他深度学习算法,旨在预测蛋白质的构象变化等动态行为。开发这类模型的主要挑战之一,在于描述构象转变的动力学数据严重不足。为了解决该问题,作者结合物理约束的粗粒度分子动力学模型与增强采样方法建立了高效模拟蛋白变构的计算框架,并应用此框架模拟了263...

实现蛋白质动态对接预测!上海交大/星药科技/中山大学等联合推出...

也就是说,即使特定构象与初始提供的蛋白质结构不同,DynamicBind也能识别出能与蛋白质的其他可能构象进行很好结合的化合物。DynamicBind涵盖了多尺度的蛋白质构象变化研究人员使用从皮秒级到毫秒级的6个不同类型的跨尺度构象变化对DynamicBind进行评估。如下图所示,粉色表示晶体结构,白色表示AlphaFold结构...

诺奖得主David Baker学生沈浩署名文章:蛋白质设计究竟是什么?

博士后期间,我继续设计可控纤维组装,包括通过酸碱度、小肽链构象变化、多组分蛋白纤维以及功能性纤维等项目。未来,我的研究组将继续围绕蛋白质纤维展开,包括:设计蛋白质纳米导线、可控组装以及蛋白质机器等新型纳米材料等。此外,还可以用于单分子检测的信号扩增、螺旋对称性辅助的冷冻电镜结构解析、碳纳米管纯化分离、功...

研究提出蛋白质变构路径预测的深度学习模型

近年来,以AlphaFold为代表的深度学习模型在预测蛋白质的静态结构方面取得了巨大成功(www.e993.com)2024年11月8日。然而,蛋白质的功能取决于其动力学特性。研究人员目前正在积极探索其他深度学习算法,旨在预测蛋白质的构象变化等动态行为。开发这类模型的主要挑战之一,在于描述构象转变的动力学数据严重不足。

蛋白质多肽药物肽图分析方法

检测中除须具备高度的特异性、可鉴定酶切位点处序列信息的正确性外,还应具备酶解反应完全、理论目标肽段分离度良好且清晰可辨、理论目标肽段在酶解体系中稳定性较好、非特异酶解肽段的含量较低等特点,才能实现对各肽段的色谱峰的准确鉴别。通过对蛋白质肽图进行分析,验证重组蛋白药物的一级结构,深入了解蛋白质的...

【中国科学报】研究提出蛋白质变构路径预测的深度学习模型

近年来,以AlphaFold为代表的深度学习模型在预测蛋白质的静态结构方面取得了巨大成功。然而,蛋白质的功能取决于其动力学特性。研究人员目前正在积极探索其他深度学习算法,旨在预测蛋白质的构象变化等动态行为。开发这类模型的主要挑战之一,在于描述构象转变的动力学数据严重不足。

科学家揭示蛋白质折叠构象过程

科技日报北京5月20日电(记者张佳欣)据发表在20日《美国国家科学院院刊》上的一项最新研究,美国科学家通过将数据转换为声音,揭示了氢键是如何在极短时间内促成蛋白质构象,并将氨基酸转化为功能性折叠蛋白质的过程,为研究蛋白质从未折叠状态到折叠状态时发生的氢键事件序列提供了独特视角。

准确预测蛋白质「运动」?南京大学团队蛋白构象运动新策略

腺苷酸激酶(AdK)是一种多结构域蛋白,由LID结构域、NMP结构域和核心结构域组成,已成为研究变构的典型系统。在该研究中,同样以AdK为模型,展示如何利用由局部能量挫折分数量化的能量景观局部特征,预测AF2的蛋白质构象运动。研究发现生成的构象运动与可用的实验和分子动力学模拟数据一致。