中国科大建立新的蛋白质从头设计方法

(a)SCUBA主链能量面上的极小对应了蛋白质的可设计主链结构,即特定氨基酸序列下的最低自由能结构;(b)SCUBA中用神经网络表示的统计能量项;(c)和(d)用近邻计数(NC)-神经网络(NN)方法从蛋白质结构原始数据中学习解析能量函数的方法框架。理论计算和实验证明,用SCUBA设计主链结构,能够突破只能用天然片段来拼接产生...

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...

...AI:颁给DeepMind哈萨比斯和大卫·贝克等三位,表彰蛋白质结构...

它能将蛋白质结构有关的物理知识和生物学知识结合起来,通过融入深度学习算法,根据氨基酸序列来对蛋白质结构进行高精度的预测。2020年,DeepMind让AlphaFold2参加有着生物计算领域“奥运会”之称的结构预测的严格评估比赛。AlphaFold赢得了这场竞赛,并成为第一个能准确预测蛋白质三维结构的机器学习算法。如前所述,AlphaFo...

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...

如何阐明其底层的三维结构机制对目前的研究方法是一种挑战。4.1G蛋白作为细胞膜骨架适配器,其保守但被认为是固有无序的C端结构域可以靶向识别其他蛋白中的特定无序区域,在细胞骨架维护、蛋白定位、信号传导、细胞黏附和迁移等过程中发挥重要作用。之前研究发现4.1G蛋白C端结构域与NuMA蛋白C端区域之间存在相互作用,但缺...

“阿尔法折叠2”预测蛋白结构近原子水平

理解蛋白质的结构有助于确定蛋白质的功能,了解各种突变的作用。截至目前,约有10万个蛋白质的结构已经用实验方法得到了解析,但这在已经测序的数10亿计的蛋白质中只占了很小一部分。在50多年的时间里,研究人员一直尝试根据蛋白质的氨基酸序列预测其折叠而成的三维结构。然而,当前使用的计算方法准确度有限,实验方法对...

清华大学药学院学者开发基于蛋白质语言模型的结构与功能预测方法

基于结构的方法如GraphBind利用图神经网络(GNN)来提取蛋白的序列和结构特征,并以此来识别蛋白质分子中哪些氨基酸残基与核酸的结合位置(www.e993.com)2024年11月8日。然而基于结构的方法需要准确的蛋白质结构作为模型的输入,因此,目前基于蛋白质序列的DNA结合位点的预测仍然是一个具有挑战性的问题。

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

方法该研究利用Foldseek将蛋白质进行编码,生成了一维的3Di结构序列(使用了Foldseek的结构词表,每种3Ditoken代表不同的局部结构),这样的结构序列与氨基酸序列是等长的。因此研究人员使用了一种简单而有效的结构嵌入方式:将结构词表和氨基酸词表计算笛卡尔积(即两两组合),形成新的结构感知词表。

准确率比现有方法高50%!谷歌DeepMind全新深度学习模型AlphaFold 3...

准确率比现有方法高50%！谷歌DeepMind全新深度学习模型AlphaFold3重磅论文登上《自然》，系首个在生物分子结构预测方面超越基于物理工具方法的AI系统一直以来，从氨基酸序列出发预测蛋白质的三维结构是结构生物信息学中最具挑战的问题。但几年前，由GoogleDeepMind创建的基于深度学习的人工智能测序式AlphaFold解决了这个...

AlphaFold为什么能精准预测蛋白质结构?

通过实验方法确定的蛋白质结构也被认为是标准答案。不过这些实验方法非常耗时耗力,据估计,用实验方法确定一个蛋白质结构需要10万美元和长达数月的时间[2]。因此,如果能设计一个计算机算法来预测蛋白质三维结构,那将会大大地加速蛋白质结构的分析。并且计算机科学和算力的飞速发展也给生物学家们敞开了一扇新的大门,...

Alphafold开发者获2024诺贝尔化学奖,AI抢夺科学

Baker是预测和设计蛋白质三维结构方法的开创者,早在1998年由他主导设计的蛋白结构设计算法Rosetta就有了最初版本,远远早于AlphaFold。而这两年,Baker更是致力于超越AlphaFold,为此,Baker团队曾在Science杂志上连发3篇论文,介绍新算法ProteinMPNN。他认为,ProteinMPNN之于蛋白质设计,就像AlphaFold之于蛋白质结构预测一样。