使用 AlphaFold 进行高精度蛋白质结构预测
AlphaFold 最新版本的基础是一种新颖的机器学习方法，它将有关蛋白质结构的物理和生物学知识，利用多序列比对，融入到深度学习算法的设计中。
来源:La Biblia de la IA🔘 论文页面：nature.com/articles/s41586-021-03819-2
🔘 论文页面摘要
«蛋白质对生命至关重要，了解其结构有助于从机制上理解其功能。通过大量的实验努力，已经确定了大约 100,000 种独特蛋白质的结构，但这只是数十亿已知蛋白质序列的一小部分。结构覆盖的瓶颈在于确定单个蛋白质结构需要数月至数年的艰苦努力。需要精确的计算方法来弥补这一差距并实现大规模结构生物信息学。仅根据蛋白质的氨基酸序列预测其三维结构（“蛋白质折叠问题”的结构预测部分）一直是 50 多年来的一个重要的开放研究问题。尽管最近取得了进展，但现有方法在原子精度方面仍远远达不到要求，尤其是在没有同源结构的情况下。在这里，我们提供了第一种计算方法，即使在没有相似结构的情况下，也可以定期以原子精度预测蛋白质结构。我们在具有挑战性的第 14 届蛋白质结构预测关键评估 (CASP14) 中验证了我们基于神经网络的模型 AlphaFold 的完全重新设计版本，在大多数情况下，其精度可与实验结构相媲美，并且大大优于其他方法。最新版本的 AlphaFold 的基础是一种新颖的机器学习方法，它将有关蛋白质结构的物理和生物学知识，利用多序列比对，融入到深度学习算法的设计中。»
« « » »作者
喜欢这篇文章吗？关注此博客以了解更多信息。
喜欢这篇文章吗？关注此博客以获取更多信息。