ai預測蛋白質原理-tft每日頭條

ai預測蛋白質原理?在過去兩年中，機器學習徹底改變了蛋白質結構預測現在，《科學》雜志上的3篇論文描述了蛋白質設計方面的革命：華盛頓大學醫學院生物學家的研究表明，機器學習可比以前更準确、更快速地創建蛋白質分子科學家們希望這一進步将帶來更多新的疫苗、療法、碳捕獲工具和可持續生物材料，我來為大家科普一下關于ai預測蛋白質原理?以下内容希望對你有幫助!

ai預測蛋白質原理

在過去兩年中，機器學習徹底改變了蛋白質結構預測。現在，《科學》雜志上的3篇論文描述了蛋白質設計方面的革命：華盛頓大學醫學院生物學家的研究表明，機器學習可比以前更準确、更快速地創建蛋白質分子。科學家們希望這一進步将帶來更多新的疫苗、療法、碳捕獲工具和可持續生物材料。

論文資深作者、華盛頓大學醫學院生物化學教授、2021年生命科學突破獎獲得者大衛·貝克表示，蛋白質是整個生物學的基礎，但迄今在每種植物、動物和微生物中發現的蛋白質，遠不到所有可能蛋白質的百分之一。有了這些新的軟件工具，研究人員應該能夠找到解決醫學、能源和技術方面長期挑戰的方案。

為了超越自然界中發現的蛋白質，貝克團隊成員将蛋白質設計的挑戰分解為3個部分，并為每個部分使用新的軟件解決方案。

首先，必須生成新的蛋白質形狀。在《科學》雜志上稍早發表的論文中，該團隊設計人工智能（AI）通過兩種方式生成新的蛋白質形狀：第一種稱為“幻覺”，類似于基于簡單提示就能産生輸出的工具；第二種稱為“修複”，類似于現代搜索欄中的自動完成功能。

其次，為加快這一過程，團隊設計了一種生成氨基酸序列的新算法。15日發表的論文描述了這個名為ProteinMPNN的工具，運行時間約為1秒，比以前最好的軟件快200多倍。它不但結果優于以前的工具，還不需要專家定制即可運行。

第三，該團隊使用“深度思維”公司開發的“阿爾法折疊”來獨立評估他們提出的氨基酸序列是否可能折疊成預期的形狀。

研究人員表示，預測蛋白質結構的軟件是解決方案的一部分，但它本身無法提出任何新的東西。ProteinMPNN之于蛋白質設計，就像“阿爾法折疊”之于蛋白質結構預測。

在另一篇論文中，貝克實驗室的一個團隊證實，新機器學習工具的組合能可靠地生成在實驗室中起作用的新蛋白質。

研究發現，新制造的蛋白質更有可能按預期折疊，因此可使用這一方法創建非常複雜的蛋白質組裝體。“這是蛋白質設計中機器學習的開端。”貝克說。（記者張夢然）

來源：科技日報