Nature子刊,川大团队机器学习结合MD,预测蛋白质变构,助力药物研发
编辑 | 萝卜皮变构药物为现代药物设计提供了一条新途径。然而,识别隐蔽的变构位点是一项艰巨的挑战。四川大学蒲雪梅教授、邵振华研究员团队提出了一种先进的计算流程,结合残基驱动的混合机器学习模型(RHML)和分子动力学(MD)模拟,成功识别出了变构位点、变构调节剂,并揭示了它们的调控机制。具体而言,在 β2 肾上腺素能受体(β2AR)中,团队发现了位于残基 D79^2.50、F282^6.44、N31…- 16
- 0
精确预计相别离蛋白质,同济&中国科学院机器学习预计器PSPire
编辑 | 萝卜皮对蛋白质相别离(PS)的理解的迅速发展带来了丰富的生物信息学工具来预计相别离蛋白质(PSP)。这些工具通常偏向于具有大量本质无序区域 (IDR) 的 PSP,因此经常低估没有 IDR 的潜在 PSP。并且,PS 不仅受 IDR 控制,还受布局化模块布局域以及不直接反映在氨基酸序列的其他相互作用影响。在最新的研讨中,同济大学和中国科学院的研讨团队开发了 PSPIre,一种机器学习预计…- 8
- 0
用基于构造的渐变偏好进行蛋白质计划,加州大学、MIT、哈佛医学院团队开发了一种无监视步骤
编辑 | 萝卜皮当前最新的蛋白质计划步骤,往往依赖于具有多达数百个数百万个参数的大型神经网络,同时并不清楚哪些残基依赖性对于确定蛋白质性能至关重要。加州大学(University of California)、麻省理工学院(Massachusetts Institute of Technology)以及哈佛医学院(Harvard Medical School)的钻研人员表明:在不斟酌渐变相互作用的…- 5
- 0
华科大团队开发几何三角形感知蛋白质语言模型,猜测蛋白质-蛋白质交战
编辑 | 萝卜皮有关相互作用蛋白质之间的残基-残基距离的信息对于蛋白质复合物的构造建模非常重要,并且对于理解蛋白质-蛋白质相互作用的分子体制也很有价值。随着深度进修的出现,人们开发了许多法子来准确猜测单体的蛋白质内残基-残基交战。然而,准确猜测蛋白质复合物,尤其是异源蛋白质复合物的蛋白质间残基-残基交战仍旧具有挑战性。华中科技大学的研究人员开发了一种鉴于蛋白质语言模型的深度进修法子,通过在深度神经…- 8
- 0
残基
❯
个人中心
今日签到
搜索
扫码打开当前页
返回顶部
幸运之星正在降临...
点击领取今天的签到奖励!
恭喜!您今天获得了{{mission.data.mission.credit}}积分
我的优惠劵
- ¥优惠劵使用时效:无法使用使用时效:
之前
使用时效:永久有效优惠劵ID:×
没有优惠劵可用!