神经网络结构复杂度及其功能表现:梯径理论与算法信息论
由随机碰撞的有机分子直接组成生物体的概率实在是太低,那么简单的有机分子可能组成相对简单的氨基酸,这个就容易一点,氨基酸在作为基本单位去碰撞,组合形成蛋白质,蛋白质再作为基本单位去形成更高级,更复杂的组织。所以我们去看一个复杂的生物体,实际上是一级一级组合出来的,每一级的组件都在高度复用。而我们去看神经...
2024化学诺奖接力青睐AI,蛋白质结构预测新工具获一半奖项
蛋白质拥有广泛的生物学功能,包括结构组分(胶原蛋白)、催化功能(酶)、调节作用(激素)、物质运输(血红蛋白)、机械收缩(肌动蛋白)、机体免疫(抗体)等,进而参与几乎所有生命过程,如分子水平的DNA复制和转录、蛋白质翻译、物质与能量代谢等,以及细胞层面的精卵融合、细胞增殖和分化、细胞凋亡和坏死、细胞衰老和细胞通...
2024年诺贝尔化学奖揭晓!揭开蛋白质折叠的秘密
第四步:一旦新蛋白质的结构被确定,他们就继续研究了这些蛋白质的可能功能和应用。戴维·贝克以及其他研究者之所以要设计新的蛋白质,是为了获得具有特定功能或性质的蛋白质,从而让这些蛋白质可用作药物、疫苗、纳米材料和微型传感器等。另外,设计蛋白质的过程本身也增进了人类对蛋白质如何从线性序列折叠成复杂三维结构...
2024化学诺奖专家解读:颁给蛋白质预测和AI实至名归,化学家还不会...
蛋白质由20个氨基酸排列组合成的长链折叠而成,就像同样的纸能折成纸鹤也能折成盒子,不同的折叠方式所形成的结构决定了蛋白质的功能。氨基酸链条在被细胞生产出来之后,会迅速自发折叠成具有特定结构的蛋白质。科学家们后来发现,指导折叠的“命令”就藏在氨基酸链条的序列之中,自此开启了对氨基酸序列和蛋白质结构之间...
洪亮团队基于图扩散概率模型生成活性高、体积大、结构复杂蛋白质
初始化的模型在两万条野生型蛋白质结构和序列上进行训练,用于学习蛋白质序列-结构-功能之间的映射关系。同时,为了强化模型对于待生成蛋白质特征的理解,在训练集中还加入了几百条来自于同家族的其他蛋白质序列和结构,一起进行训练。在生成过程中,首先把原始的蛋白质序列和信息处理为具有分子生化和拓扑特性的氨基酸级别...
2024诺贝尔化学奖接力青睐AI,蛋白质结构预测新工具获一半奖项
尽管蛋白质种类多样,但它们都是由20种基本氨基酸组成,区别在于不同的氨基酸排列顺序,这一特征称为一级结构,亦称初级结构,但这种线性结构需经过充分折叠形成空间三维结构,亦称高级结构(www.e993.com)2024年10月17日。结构决定功能是许多学科的基本原则,生命科学也不例外,因此蛋白质结构研究在生命科学领域占据举足轻重的位置[1]。
因为一个“很难,很重要的问题”,我从计算机转向研究蛋白质
04由于人工智能在预测蛋白质结构领域的突破,分子生物学家可以基于预测出的结构研究蛋白质的功能。05除此之外,人工智能还可用于设计自然界不存在的蛋白,用于制药和工业生产。以上内容由腾讯混元大模型生成,仅供参考2024年诺贝尔化学奖的其中一半,授予了戴密斯·哈萨比斯(DemisHassabis)与约翰·朱默帕(JohnM.Jumpe...
谷歌DeepMind再放大招!AlphaProteo直接设计全新结合蛋白,加速药物...
1、基因表达谱分析:通过对基因表达谱数据进行深度学习,可以预测基因功能、发现新的生物标志物和生物路径径。2、结构生物学预测:通过对结构生物学数据进行深度学习,可以预测蛋白质结构、功能和互动。3、生物信息学数据集预处理:通过对生物信息学数据集进行深度学习,可以提高数据质量、减少噪声和缺失值,从而提高预测模型...
科学和天才都“不走寻常路”
AlphaFold是一项利用AI技术预测蛋白质三维结构的革命性工具,将蛋白质结构预测的准确率拉升到了史诗级高度,并且完全开源,为整个生物医学界贡献了堪称神奇的力量,相继帮助科学家们更加深入了解抗生素的耐药性,还设计出了可以消化塑料的酶类蛋白质。虽然有网友调侃今年诺贝尔奖有“蹭AI热度”之嫌,但客观来说,物理奖和化学...
Demis Hassabis荣获诺贝尔化学奖,网友:诺奖需要AI
而让AI大佬们获奖的蛋白质预测项目AlphaFold,在相关论文中对它的解释是:“一个创新的计算方法”,其实就是结合了生物和物理知识,通过分析氨基酸序列与其三维结构之间的关系,使用神经网络进行预测。蛋白质结构对理解其功能至关重要,然而目前已知的蛋白质结构仅占已知蛋白质序列的极小一部分。传统的实验方法耗时且效率低...