详细内容或原文请订阅后点击阅览
重新利用潜在扩散的产生蛋白质折叠模型
格子是一种多模式生成模型，通过学习蛋白质折叠模型的潜在空间，同时生成蛋白质1D序列和3D结构。授予2024年诺贝尔奖对Alphafold2的奖励标志着重要的...
来源:ΑΙhub格子是一种多模式生成模型，通过学习蛋白质折叠模型的潜在空间，同时生成蛋白质1D序列和3D结构。
格子Amy X Lu
Amy X Lu2024年诺贝尔奖授予Alphafold2是对生物学中AI角色的重要时刻。蛋白质折叠后接下来会发生什么？
诺贝尔奖在格子中，我们开发了一种方法，该方法学会了从蛋白质折叠模型的潜在空间中采样以生成新蛋白质。它可以接受组成功能和有机体提示，并且可以在序列数据库上进行训练，该数据库比结构数据库大2-4个数量级。与许多以前的蛋白质结构生成模型不同，格子解决了多模式的共同生成问题设置：同时生成离散序列和连续的全原子结构坐标。
生成 组成功能和有机体提示 在序列数据库中训练从结构预测到现实世界药物设计
尽管最近的作品证明了扩散模型生成蛋白质的能力的希望，但仍然存在以前模型的局限性，这些模型使其对于现实世界应用不切实际，例如：
- 全原子生成：许多现有的生成模型仅产生骨干原子。为了产生全原子结构并放置侧链原子，我们需要知道序列。这会产生一个多模式生成问题，需要同时产生离散和连续的模态。有生物特异性：旨在人性化的蛋白质生物制剂，以避免被人体免疫系统破坏。控制范围：药物发现并将其放入患者手中是一个复杂的过程。我们如何指定这些复杂的约束？例如，即使解决了生物学，您也可能会认为平板电脑比小瓶更容易运输，从而增加了对可溶性的新约束。