Nature子刊:魏文胜团队实现蛋白质组中丝氨酸、苏氨酸和酪氨酸位点...

图2:筛选鉴定出大量功能性磷酸化位点此外,研究团队还分析了突变在蛋白质结构中的分布,发现丝氨酸到脯氨酸的替换广泛影响不同类型的蛋白质结构域功能,尤其是WD重复结构域中的两个高度保守的丝氨酸,暗示这些位点在维持蛋白质结构方面具有关键作用。最后,研究发现,筛选出的促进细胞生长的突变与临床癌症患者的基因数据存在...

AlphaFold为什么能精准预测蛋白质结构?

图1:蛋白质折叠示意图丨图源:wiki蛋白质折叠成何种结构决定了它将具有何种功能,于是理解蛋白质如何折叠就成了一个十分重要的研究课题,这便是“蛋白质折叠问题”。一个蛋白质如果因为各种原因而没有正确折叠,就有可能不会正常发挥其功能,从而引发疾病,阿尔兹海默病、帕金森等疾病都和蛋白质的错误折叠有关。此外,在...

上海交大洪亮课题组发表基于微环境感知图神经网络构建指导蛋白质...

近日,上海交通大学自然科学研究院/物理与天文学院/张江高等研究院洪亮课题组设计了一种微环境感知图神经网络(ProtLGN),能够从蛋白质三维结构中学习有益的氨基酸突变位点,建立自然选择下的氨基酸序列分布,用于指导蛋白质氨基酸位点设计,最终实现蛋白质指定功能的提升(定向进化)。课题组通过生物化学室实验证明,这是一个通用...

DeepMind 推出蛋白质生成模型 AlphaProteo,有望加速人类对生物...

AlphaProteo以蛋白质数据库(PDB)中的大量蛋白质数据和AlphaFold中的1亿多个预测结构为基础进行训练,掌握了无数分子相互结合的方式。只需给定目标分子的结构和该分子上的一组首选结合位置,AlphaProteo就会生成能在这些位置与目标分子结合的候选蛋白质。视频|预测的蛋白质结合体结构与目标蛋白质相互作用的示意图。

国内首家!独特结构的弹性蛋白出现了!

相较于其它类型的重组人源性弹性蛋白分子而言,该结构表现出更加有序且规整的特性,交合程度更高,纯度高达98%;同时,通过利用专利技术调控合成速度,还能实现确保了蛋白质能够充分组装,从而最大限度地保持了其高活性成分。重组人源性弹性蛋白CD光谱A:重组人源性弹性蛋白的SDS-PAGE图...

Nature Methods | 突破传统方法:DeepPBS模型助力蛋白质-DNA相互...

DeepPBS框架的示意图(Credit:NatureMethods)输入数据:图a显示了DeepPBS的输入数据来源,包括实验数据(如PDB中的蛋白质-DNA复合物结构)、分子模拟快照以及设计的复合物(www.e993.com)2024年11月8日。图中以PDBID2R5Y为例,展示了输入数据的形式。蛋白质结构表示:图b展示了蛋白质结构的图表示方法。重原子作为顶点,每个顶点计算了一些...

登Nature子刊,拓扑Transformer模型多尺度蛋白质-配体互作预测

图示:TopoFormer整体模型的示意图。(来源:论文)为了集中分析,研究人员使用20??或更精确的12??截止值来识别设定距离内的重配体和附近的蛋白质原子。然后,TopoFormer通过拓扑序列嵌入模块将3D分子结构转换为拓扑序列,利用PTHL进行多尺度分析。此过程将各种物理、化学和生物相互作用嵌入载体序列中。

入选ICML!人大团队将等变图神经网络用于靶蛋白结合位点预测,性能...

中国人民大学高瓴人工智能学院的研究团队首次将E(3)等变图神经网络(GNN)应用于配体结合位点预测,提出名为EquiPocket的框架,有助于药物发现等各种下游任务。生命系统中,几乎所有生物和药理过程都涉及受体(靶蛋白)和配体(小分子)之间的相互作用,这些相互作用发生在靶蛋白结构的特定区域,称为「结合位点」——...

Google DeepMind推出首个蛋白质生成模型AlphaProteo,加速人类对...

视频|预测的蛋白质结合体结构与目标蛋白质相互作用的示意图。蓝色显示的是AlphaProteo生成的预测蛋白质结合结构,黄色显示的是目标蛋白质。比现有最佳设计方法高出10倍为了测试AlphaProteo,研究团队为不同的目标蛋白质设计了粘合剂。这一系统具有高度竞争性的结合成功率和同类最佳的结合强度。对于七个靶点,Alpha...

AlphaFold为什么能精准预测蛋白质结构? | 返朴

AlphaFold预测蛋白质基本原理图2是AlphaFold2深度学习模型架构示意图。最左边的输入表示需要被预测结构的序列(inputsequence);旁边画了一个小人,代表人类的某种蛋白质。图2:AlphaFold2深度学习模型架构图丨图源:参考文献[5]接下来,这个输入序列被转换成两种不同的信息,传入后面的神经网络进行迭代和学习。第一...