借助AI模型破解蛋白质结构的密码

评奖委员会在当天发布的新闻通报中称，“他们破解了蛋白质奇妙结构的密码”，“戴维·贝克成功地完成一项几乎不可能的壮举，制造出全新种类的蛋白质。德米斯·哈萨比斯和约翰·江珀开发出人工智能模型来解决预测蛋白质复杂结构的问题。这些发现蕴藏着巨大潜力。”通报称，2003年，戴维·贝克成功设计出一种新的蛋白质。此...

用AI模型预测蛋白质结构

“以20万的数据,推测出1亿多个蛋白质结构,准确率达90%,这就是AI的神奇之处。”许建和表示,自己的实验室也在以传统方式(包括冷冻电子显微镜、核磁共振或X射线晶体学等技术)破解蛋白质的结构,解析一个蛋白质,短至一个月,长的两三年,而且仅有1/3的成功率,由此可见Alphafold模型的意义所在。当然,AI模型目前不能...

Nature Communications | 基于ESMFold预测结构的几何图学习以准确...

在本研究中,作者提出了基于几何图学习的EC注释(GraphEC),这是一种基于预测的蛋白质结构和酶活性位点的酶功能预测模型。在活性位点的指导下,GraphEC通过几何图学习与ESMFold预测的蛋白质结构进行训练。为了提高模型性能,通过预训练语言模型生成信息丰富的序列嵌入以增强节点特征。此外,研究还采用了标签扩散算法,利用同源...

Nature | 蛋白质稳定性的遗传结构

结果表明,蛋白质的遗传结构相对简洁,加性能量模型(additiveenergymodel)在预测性能上表现优异。此外,本研究通过量化突变之间的成对能量耦合,显著提高了模型的预测能力,且这些耦合与蛋白质的三维结构密切相关。总体而言,蛋白质的遗传结构简单且易于理解,在一定程度上可归结为加性能量与少量稀疏的成对结构耦合的共同作用...

研究人员发展出蛋白质主链去噪扩散概率模型

该研究对SCUBA-D在多类蛋白质从头设计任务中的应用进行了实验验证。中国科学技术大学教授刘海燕与陈泉团队开发了不依赖于预训练结构预测网络的蛋白质主链去噪扩散概率模型SCUBA-D(SCUBA-diffusion)。SCUBA-D可自动从头设计主链结构或指定功能位点生成主链结构。大量实验结果验证了SCUBA-D的设计成功率和设计精度。10月9...

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...

DynamicBind:基于几何深度学习的动态复合物结构预测模型不同于传统的将蛋白质视为大多数刚性实体的对接方法,DynamicBind使用先进的深度扩散模型和等变几何神经网络技术,将蛋白质构象生成和配体姿势预测这两个传统上分离的步骤统一到一个框架中,实现了蛋白质和配体的动态对接预测(www.e993.com)2024年11月3日。同时,作为一种端到端的深度学习方法...

又是人工智能!2024年诺贝尔化学奖颁给蛋白质预测模型AlphaFold!

北京时间2024年10月9日17时45分,2024年度诺贝尔化学奖揭晓,一半授予DavidBaker,另一半则共同授予DemisHassabis和JohnM.Jumper,他们因构建全新蛋白质结构,开发预测蛋白质结构的人工智能模型而受到表彰。获奖者简介2024NobelPrizeDavidBaker美国生物化学家...

2024年诺奖技术再升级,AlphaFold3来了!超越蛋白质结构,全面预测...

这一最新模型能预测含有蛋白质数据库(ProteinDataBank)内几乎所有分子类型的复合物的结构,包括配体(小分子)、蛋白质、核酸(DNA和RNA)如何聚集在一起并相互作用,以及预测翻译后修饰和离子对这些分子系统的结构影响,从而帮助我们在原子水平上精确地观察生物分子系统的结构。

他们用AI破译蛋白质结构“密码”

自20世纪70年代以来，科学家一直致力于根据氨基酸序列预测蛋白质结构，但这是一项极其艰巨的任务。因为有些氨基酸和其他氨基酸相互作用，有些氨基酸则具有疏水性。而且氨基酸链形成了复杂的形状，使精准确定蛋白质结构难上加难。AI模型“阿尔法折叠2”的横空出世，为解决这一萦绕在科学家心头50年的难题带来转机。2020年，...

同时生成蛋白序列和结构,David Baker团队序列空间扩散新模型

蛋白质去噪扩散概率模型用于从头生成蛋白质骨架,但其在引导生成具有序列特异性属性和功能特性的蛋白质方面存在局限。为了克服这一限制,华盛顿大学DavidBaker团队,开发了一种基于RoseTTAFold的序列空间扩散模型ProteinGenerator(PG),可同时生成蛋白质序列和结构。