化繁为简!序列直达功能的蛋白质精准设计
蛋白质作为生命活动的核心参与者,在生物体中扮演着关键角色,执行多样的生物学功能:从催化生化反应的酶,到调节细胞信号的激素,再到构成细胞骨架的结构蛋白,蛋白质在维持生命过程中发挥着不可替代的作用。随着对蛋白质功能认识的不断深入,人们也逐渐意识到,蛋白质对于推动医学研究、药物开发、食品饮料、能源化工、美容护...
...等解读AI赋能的蛋白质结构与功能预测及设计丨Cell Press线上讲座
全世界最大的蛋白质数据库UniProt收录了大约2亿5千万蛋白序列,但是目前只有不到0.1%的蛋白质具有生化实验验证的基因本体(GeneOntology)功能标注。这凸显了开发高性能蛋白功能预测算法的重要性。现有方法主要关注蛋白质序列、网络及结构数据,而忽视了蛋白相关文献信息。然而目前大约82%的SwissProt蛋白已拥有专家标注的文献...
让“植物疫苗”助力生态大省建设
此外,蛋白生物农药的生产流程和施用环节仍沿用传统的行业方案,极大限制了蛋白质分子功能的发挥。为此,他提出一套蛋白质生产和施用流程,最大程度为蛋白质功能的发挥提供便利。几分耕耘,几分收获。瞄准“植物疫苗”,刘权的研究成果喜获国家自然科学基金项目和省自然科学基金项目资助。南方一些企业闻讯上门,开出各种诱人...
高蛋白马铃薯问世!ReaGenics细胞培养技术推动功能性成分多样化
但不同于大部分植物蛋白,马铃薯中的蛋白质营养功能与鸡蛋、酪蛋白等动物蛋白非常接近,同时兼具溶解性强、不含过敏原等优势,以及胶凝、发泡、乳化、结合、质感和稳定性等特性,是极其理想的替代蛋白来源。随着高蛋白马铃薯的出现,许多大型食品制造商开始与ReaGenics进行合作洽谈,潜在合作领域涉及植物基人造肉、植物奶...
...实验室青年研究员谈攀发布关于FSFP:基于语言模型的蛋白质功能...
因而,行业内急需一种在不需要大量湿实验数据情况下,依然能够对蛋白质突变-功能做出准确预测的方法。目前的蛋白质无监督预训练模型能在完全没有湿实验的情况,以零样本(zero-shot)预测蛋白质突变-性质的变化,但是这种预测方法往往精度较低,且上述无监督模型无法直接利用有限的湿实验数据对上面无监督模型进行微调。
Nature Methods | 突破蛋白质功能研究瓶颈:ORFtag高效标记与筛查...
综上,ORFtag技术的开发和应用,代表了蛋白质功能研究领域的一次重要进步(www.e993.com)2024年9月16日。这一方法不仅为系统地研究蛋白质功能提供了新的工具,还为未来的基因功能研究和蛋白质工程奠定了坚实的基础。通过这种创新技术,研究人员可以在大规模上进行蛋白质功能的高通量筛查,从而更全面地理解蛋白质在细胞生物学中的重要作用。
模拟5亿年自然进化史,全新蛋白质大模型ESM3诞生!前Meta老将力作Le...
HuggingFace上的模型卡显示,训练集中天然蛋白质数量达到27.8亿,并通过合成数据增强到31.5亿个序列、2.36个结构以及5.39亿个带有功能注释的蛋白质,token总数达到7710B。模型训练参数总量达到98B,使用了超过1024FLOPS的算力。团队似乎与英伟达紧密合作,训练使用了Andromeda集群,是当今吞吐量最高的GPU集群之一,部署了最先进...
追问|蛋白质结构预测模型再升级,解锁新功能直接作用药物设计
DeepMind称,AlphaFold-latest可以预测蛋白质数据库(PDB)中几乎任何分子的结构,包括配体(小分子)、蛋白质、核酸(DNA和RNA)以及含有翻译后修饰(PTM)的生物分子。DeepMind表示,这一模型的扩展功能和性能将加速生物医学领域的突破,推动人类迈向下一个“数字生物学”时代,为疾病通路的功能研究、基因组学、生物可再生材料...
上海交大团队研发通用人工智能,解决传统蛋白质工程难题
据洪亮介绍,自然界已知的具有完整氨基酸序列的蛋白质有几亿条,这些蛋白质的氨基酸序列以存在即合理的方式排列着。在掌握这些序列以后,该团队采用双重任务学习方法:一方面,帮助大模型在经过预训练学习以后,掌握满足蛋白质序列排布的语言规则,另一方面,通过所构建的亿量级蛋白质标签数据库,为蛋白质打上标签,进一步提升模...
以“技”赋能 功能性配料行业育“新”再升级
树立大食物观,构建多元化食物供给体系正逐步深入,挖掘营养健康原料正成为行业企业发展的关键。在功能性配料行业,向耕地草原森林海洋、向植物动物微生物要热量、要蛋白,全方位多途径开发食物资源,已经成为科研人员的必修课,并产出诸多成果。“我们所关注的蛋白来源,不仅仅是植物、动物,现在已经有了新的来源——微生物。