机构名称：
¥ 3.0
摘要：工程的最新进展高度有希望的生物催化剂越来越涉及机器学习方法。这些方法利用了现有的实验和仿真数据来帮助发现和注释有希望的酶，以及提出改善已知靶标的有益突变。蛋白质工程的机器学习领域正在收集蒸汽，这是由于最近的成功案例和其他领域的显着进步所驱动的。它已经包含雄心勃勃的任务，例如理解和预测蛋白质结构和功能，催化效率，对映选择性，蛋白质动力学，稳定性，溶解度，聚集等等。尽管如此，该领域仍在不断发展，需要克服许多挑战和要解决的问题。从这个角度来看，我们概述了该领域正在进行的趋势，重点介绍了最近的案例研究，并研究了基于机器学习的方法的当前局限性。我们强调了在新兴模型进行理性蛋白质设计之前对新兴模型进行彻底实验验证的关键重要性。我们就基本问题发表了意见，并概述了未来研究的潜在方向。关键词：活动，人工智能，生物催化，深度学习，蛋白质设计
机器学习引导的蛋白质工程
主要关键词
相关文件推荐
