超越AF2？Iambic、英偉達、加州理工學院開發多尺度深度生成模型，進行狀態特異性蛋白質-配體復合物結構預測

AIGC動態歡迎閱讀

原標題：超越AF2？Iambic、英偉達、加州理工學院開發多尺度深度生成模型，進行狀態特異性蛋白質-配體復合物結構預測
關鍵字：蛋白質,結構,復合物,模型,分子
文章來源：機器之心
內容字數：5565字

內容摘要：

將 ScienceAI設為星標
第一時間掌握
新鮮的 AI for Science 資訊編輯 | 蘿卜皮
由蛋白質和小分子配體形成的結合復合物無處不在，對生命至關重要。雖然最近科學家在蛋白質結構預測方面取得了進展，但現有算法無法系統地預測結合配體結構及其對蛋白質折疊的調節作用。
為了解決這種差異，AI 制藥公司 Iambic Therapeutics、英偉達（Nvidia Corporation）以及加州理工學院（California Institute of Technology）的研究人員提出了 NeuralPLexer，這是一種計算方法，可以僅使用蛋白質序列和配體分子圖輸入直接預測蛋白質-配體復合物結構。
NeuralPLexer 采用深度生成模型以原子分辨率對結合復合物的三維結構及其構象變化進行采樣。該模型基于擴散過程，該過程結合了基本的生物物理約束和多尺度幾何深度學習系統，以分層方式迭代采樣殘留級接觸圖和所有重原子坐標。
NeuralPLexer 預測與酶工程和藥物發現中重要靶點的結構測定實驗相一致，其在蛋白質組規模上加速功能蛋白和小分子設計方面擁有巨大潛力。
該研究以「St

原文鏈接：超越AF2？Iambic、英偉達、加州理工學院開發多尺度深度生成模型，進行狀態特異性蛋白質-配體復合物結構預測

聯系作者

文章來源：機器之心
作者微信：almosthuman2014
作者簡介：專業的人工智能媒體和產業服務平臺