详细内容或原文请订阅后点击阅览
机器学习方法提高了药物设计的反蛋白折叠的准确性
由谢菲尔德大学和阿斯利康大学的研究人员开发的一种AI方法，可以使设计新疗法所需的蛋白质更容易。
来源:英国物理学家网首页由谢菲尔德大学和阿斯利康大学的研究人员开发的一种AI方法，可以使设计新疗法所需的蛋白质更容易。
在发表在《自然机器智能》杂志上的研究中，谢菲尔德计算机科学家与阿斯利康和南安普敦大学合作开发了一个新的机器学习框架，该框架表明，与现有的最先进的方法相比，有可能在逆蛋白质折叠方面更准确。
已发布 蛋白质折叠逆蛋白折叠是创建新型蛋白质的关键过程。这是鉴定氨基酸序列，即蛋白质的组成部分，将其折叠成所需的3D蛋白质结构，并使蛋白质能够执行特定功能。
氨基酸序列蛋白质工程通过设计可以与体内特定靶标结合的蛋白质来在药物开发中起关键作用。但是，由于蛋白质折叠的复杂性以及预测氨基酸序列如何相互作用以形成功能结构的困难，该过程是具有挑战性的。
药物开发科学家已转向机器学习，以更准确地预测哪些氨基酸序列将折叠成稳定的功能性蛋白质结构。这些模型在已知蛋白质序列和结构的大型数据集上进行了训练，以改善反向折叠预测。
蛋白质序列它还补充了其他最新进展，例如Alphafold，该进步通过逆转方法来预测蛋白质的3D结构，从蛋白质折叠开始，然后检索潜在的氨基酸序列。
更多信息： doi：10.1038/s42256-025-01042-6期刊信息：自然机器智能
期刊信息：