DeepMind蛋白质设计新工具AlphaProteo,从头设计高亲和力蛋白结合剂,成功率最高88%
编辑 | ScienceAI像 AlphaFold 这样的蛋白质结构预测工具,已经帮助我们深入了解了蛋白质如何相互作用从而发挥其功能,但这些工具无法创建新的蛋白质来直接控制这些相互作用。现在,Google DeepMind 团队推出了一种用于设计「与目标分子结合更紧密」的新型蛋白质的 AI 系统 AlphaProteo。在测试的 7 种靶蛋白上,AlphaProteo 的实验成功率更高,在湿实验室…- 1
- 0
准确预测蛋白质「运动」?AlphaFold融合物理知识,南京大学团队蛋白构象运动新策略
编辑 | KX蛋白质如何进行构象运动,不仅是一个基本的生物物理问题,而且对于药物设计等实际应用也至关重要。尽管深度学习方法,比如 AlphaFold2 和 RoseTTAFold,可以高通量预测蛋白质的静态结构,但预测构象运动仍然是一个挑战。在此,南京大学、香港浸会大学(Hong Kong Baptist University)、中国科学院大学以及昌平实验室和莱斯大学合作,找到了一种新的方法来预测…- 3
- 0
蛋白质功能预测新SOTA,上海理工、牛津等基于统计的AI方法,登Nature子刊
编辑 | KX蛋白质与其他分子相结合,促进几乎所有的基础生物活动。因此,了解蛋白质功能对于理解健康、疾病、进化和分子水平上的生物体功能至关重要。然而,超过 2 亿种蛋白质仍未得到表征,计算方法在很大程度上依赖于蛋白质的结构信息来预测不同质量的注释。近日,来自牛津大学、苏黎世联邦理工学院、上海理工大学和北京师范大学组成的研究团队,设计了一种基于统计的图网络方法,称为 PhiGnet,从而促进蛋白质的…- 3
- 0
中科院计算所团队提出CarbonNovo,基于AI进行蛋白质结构和序列的端到端从头设计
编辑 | ScienceAI作者 | 计算所张海仓团队近期,中国科学院计算所张海仓带领的研究团队提出了 CarbonNovo,以端到端的方式联合设计蛋白质主链结构和序列。该研究以「CarbonNovo: Joint Design of Protein Structure and Sequence Using a Unified Energy-based Model」为题发表在机器学习会议 ICML…- 7
- 0
AI从头设计蛋白质「开关」,蛋白质设计的惊人突破,David Baker研究登Nature
编辑 | KX在生活中,打开一盏灯,或者调节灯光很简单。但实现类似生物分子功能控制的系统却很复杂,而且人们对此了解甚少。在生物学中,蛋白质功能以复杂的方式开启和关闭,变构调节是其中一种重要的生物学调节机制,对于健康的新陈代谢和细胞信号传导至关重要,但在合成蛋白质系统中,创建变构现象一直存在重大挑战。近日,华盛顿大学 David Baker 团队,设计出了能够通过变构控制,可靠而准确地在组装和拆卸之…- 5
- 0
比原始分辨率高36倍,北航、清华团队用AI在多空间组学平台上高分辨率表征组织,登Nature子刊
编辑 | 萝卜皮空间组学的最新进展已将分子类别分析的范围扩展到转录组学之外。然而,许多此类技术都受到空间分辨率的限制,阻碍了科学家深入表征复杂组织结构的能力。现有的计算方法主要侧重于转录组学数据的分辨率增强,缺乏针对各种组学类型的新兴空间组学技术的适应性。在这里,北京航空航天大学和清华大学的研究人员提出了 soScope,这是一个统一的生成框架,旨在提高从各种空间组学技术获得的分子谱的数据质量和空…- 3
- 0
糖蛋白组学新方法,复旦开发基于Transformer和GNN的混合端到端框架,登Nature子刊
编辑 | 萝卜皮蛋白质糖基化是糖基对蛋白质进行的一种翻译后修饰,在细胞的多种生理和病理功能中起着重要作用。糖蛋白质组学是在蛋白质组范围内研究蛋白质糖基化,利用液相色谱与串联质谱 (MS/MS) 联用技术获取糖基化位点、糖基化水平和糖结构的组合信息。然而,由于结构决定离子的出现有限,目前糖蛋白质组学的数据库搜索方法通常难以确定聚糖结构。虽然光谱搜索方法可以利用碎片强度来促进糖肽的结构鉴定,但是光谱库…- 4
- 0
生成394,760种蛋白质表征,哈佛团队开发AI模型,全面理解蛋白质上下文
编辑 | 萝卜皮了解蛋白质功能和开发分子疗法,需要破译蛋白质发挥作用的细胞类型,解析蛋白质之间的相互作用。然而,对跨生物背景蛋白质相互作用进行建模对于现有算法来说仍然具有挑战性。在最新的研究中,哈佛医学院的研究人员开发了 PINNACLE,这是一种生成情境感知蛋白质表征的几何深度学习方法。PINNACLE 利用多器官单细胞图谱,在情境化蛋白质相互作用网络上进行学习,从 24 种组织的 156 种细…- 7
- 0
SOTA性能,厦大多模态蛋白质-配体亲和力预测AI方法,首次结合分子表面信息
编辑 | KX在药物研发领域,准确有效地预测蛋白质与配体的结合亲和力对于药物筛选和优化至关重要。然而,目前的研究没有考虑到分子表面信息在蛋白质-配体相互作用中的重要作用。基于此,来自厦门大学的研究人员提出了一种新颖的多模态特征提取(MFE)框架,该框架首次结合了蛋白质表面、3D 结构和序列的信息,并使用交叉注意机制进行不同模态之间的特征对齐。实验结果表明,该方法在预测蛋白质-配体结合亲和力方面取得…- 5
- 0
登Science,药物亲和力增加37倍,AI对蛋白、抗体复合物进行无监督优化
编辑 | 萝卜皮蛋白质参与了细胞组成、肌肉收缩、消化食物、识别病毒等众多生物学功能。为了设计出更好的蛋白质(包括抗体),科学家经常在不同位置反复变异氨基酸(按一定顺序排列组成蛋白质的单位),直到使蛋白质获得所需要的功能。但氨基酸序列的数量比世界上的沙粒还要多,因此找到最佳蛋白质,进而找到最佳潜在药物,通常难度巨大。当面临这一挑战时,科学家通常会花费数百万美元,并在微型化、简化版的生物系统中进行测试…- 2
- 0
精度媲美AlphaFold,EPFL的AI方法从序列中匹配蛋白质互作
编辑 | 枯叶蝶蛋白质是生命的基石,参与几乎所有的生物过程。了解蛋白质如何相互作用对于解释细胞功能的复杂性至关重要,对药物开发和疾病治疗也具有重要意义。洛桑联邦理工学院(École Polytechnique Fédérale de Lausanne,EPFL)的 Anne-Florence Bitbol 团队提出了一种配对相互作用的蛋白质序列的方法,该方法利用了在多个序列比对上训练的蛋白质语言模…- 4
- 0
上交大洪亮课题组&上海AI实验室团队发布FSFP,基于语言模型的蛋白质功能小样本预测方法,登Nature子刊
编辑 | ScienceAI近日,上海交通大学自然科学研究院/物理天文学院/张江高研院/药学院洪亮教授课题组,联合上海人工智能实验室青年研究员谈攀,在蛋白质突变-性质预测上取得重要突破。该工作采用全新的训练策略,在使用极少湿实验数据的情况下,极大地提高了传统蛋白质预训练大模型在突变-性质预测的效果。该研究成果以《Enhancing the efficiency of protein languag…- 2
- 0
仅几秒,准确推断蛋白动力学信息,山大、北理工等AI模型RMSF-net登Nature子刊
编辑 | KX蛋白质的动力学对于理解其机制至关重要。然而,通过计算猜测蛋白质动学信息具有挑战性。在此,来自山东大学、百图生科(BioMap)、北京理工大学、湖北医药学院、宁夏医科大学和阿卜杜拉国王科技大学(KAUST)的研讨团队,提出了一个神经网络模型 RMSF-net,其优于以前的格式,并在大规模蛋白质动力学数据集中产生最佳结果;该模型可以在几秒钟内准确推断出蛋白质的动力学信息。通过从实验蛋白质…- 18
- 0
Nature子刊,准确率达96%,AI从序列中展望蛋白-配体互作
编辑 | 萝卜皮在药物研发中,确定小分子配体对蛋白质的分离亲和力和性能效力至关重要。目前的计算要领可以展望这些蛋白质-配体相互作用特性,但如果没有高分辨率的蛋白质布局,通常会失去准确性,并且无法展望性能效力。莫纳什大学(Monash University)和格里菲斯大学(Griffith University)的研讨人员开发了 PSICHIC(PhySIcoCHemICal graph neura…- 21
- 0
登Nature子刊,拓扑Transformer模型从事多标准蛋白质-配体互作猜测,助力药物研发
编辑 | 萝卜皮一项新的人工智能应用将帮助研讨职员提高药物研发能力。该项目名为 TopoFormer,是由美国密歇根州立大学(Michigan State University)数学系 Guowei Wei 教授领导的跨学科团队开发的。TopoFormer 将份子的三维信息转化为典型的基于人工智能的药物相互作用模型可以利用的数据,扩展了这些模型猜测药物有效性的能力。「有了人工智能,你可以让药物研发…- 5
- 0
准确率达0.96,从序列中展望蛋白-配体互作的物理化学制约图神经网络
编辑 | 萝卜皮在药物研发中,确定小分子配体对蛋白质的分离亲和力和功效效力至关重要。目前的计算要领可以展望这些蛋白质-配体相互作用特性,但如果没有高分辨率的蛋白质构造,通常会失去准确性,并且无法展望功效效力。莫纳什大学(Monash University)和格里菲斯大学(Griffith University)的钻研人员开发了 PSICHIC(PhySIcoCHemICal graph neura…- 3
- 0
「AI+物理先验常识」,浙大、中国科学院通用蛋白质-配体相互作用评分格式登Nature子刊
编辑 | X蛋白质就像是身体中的精密锁具,而药物份子则是钥匙,只有完美契合的钥匙才能解锁治疗之门。科学家们一直在寻找高效的格式来预测这些「钥匙」和「锁」之间的匹配度,即蛋白质-配体相互作用。然而,传统的数据驱动格式往往容易陷入「死记硬背」,记住配体和蛋白质训练数据,而不是真正进修它们之间的相互作用。近日,浙江大学和中国科学院研讨团队,提出了一种名为 EquiScore 的新型评分格式,利用异构图神…- 5
- 0
1.8B参数,阿里云首个联合DNA、RNA、蛋白质的生物大模型,涵盖16.9W物种
编辑 | 萝卜皮不久之前,Google DeepMind 发布了 AlphaFold3,再次引发了人们对「AI 生命科学」的讨论。在学界,科学家的目标往往是先认识世界,然后在认识的前提上改造世界。但是在生命科学领域,人类对整个生命的理解与认识还如九牛一毛、冰山一角;建立对生命体系的多维度深刻认识是当前人类研讨的重要一步,AI 是达成这一步的重要工具。近期,阿里云飞天实验室发布并开源了业界首个联合 …- 4
- 0
登Nature子刊,中科院计算所团队开发CarbonDesign,进行准确且稳健的蛋白质序列安排
编辑 | 萝卜皮蛋白质是生物体内执行生物功效的基础元件,在催化、免疫和信号传递等生物过程中起着重要作用。一般认为,蛋白质序列安排是蛋白质布局猜测的逆问题。具体地,是指从给定的蛋白质三维布局出发,安排出能够折叠成为目标蛋白布局、具有目标蛋白功效的序列。它是重新蛋白质安排的关键一步,一旦主链布局被生成,为其安排最佳序列就变得至关重要。蛋白质序列安排在药物安排、酶工程等领域具有重要应用。由于可能的蛋白质…- 5
- 0
获ICLR 2024杰出论文奖,97.47%体外成功率,蛋白质计划新算法
编辑 | 紫罗在今年的 ICLR 会议上,共评选出 5 篇杰出论文奖以及 11 篇荣誉提名。纽约大学和基因泰克(Genentech)合作发表的一篇关于蛋白质计划的钻研论文获得杰出论文奖。这篇论文解决了鉴于序列的抗体计划成绩,这是蛋白质序列生成模型的一个及时而重要的应用。为此,钻研职员引入了一种创新而有效的新建模法子——失散「步行-跳跃」采样(Discrete Walk-Jump Sampling,…- 4
- 0
辉瑞 AI 法子登 Science,揭示数以万计的配体-蛋白质相互作用
编辑 | X尽管蛋白质结构展望取得了重大进展。但对于 80% 以上的蛋白质,迄今为止尚未发觉小份子配体。识别大多数蛋白质的小份子配体仍具有挑战性。现在,奥地利科学院份子医学研讨中心 CeMM 的研讨职员与辉瑞公司合作,开发了一种法子来展望数百种小份子与数千种人类蛋白质的结合活性。这项大规模研讨揭示了数以万计的配体-蛋白质相互作用,通过探索这些相互作用,从而可以开发化学工具和治疗法子。此外,在机械进…- 6
- 0
展望蛋白质共调控和功效,哈佛&MIT训练含19层transformer的基因组谈话模型
编辑 | 萝卜皮破译基因及其基因组配景之间的关系,是理解和设计生物系统的基础。机器进修在从大量蛋白质序列数据集中进修序列-布局-功效范式背后的潜在关系方面表现出潜力。哈佛大学和麻省理工学院(MIT)的研讨职员在数百万个宏基因组框架上训练基因组谈话模型(gLM),从而分析基因之间潜在的功效和调控关系。gLM 能够进修「上下文」化的蛋白质嵌入,捕获基因组上下文以及蛋白质序列本身,并编码具有生物学意义和…- 12
- 0
腾讯AI Lab 3篇蛋白质组论文当选国际顶级期刊,为阐释性命提供重要技能参考
编辑 | ScienceAI只有蛋白质组才能从根本上阐释性命。3月20日,腾讯 AI Lab实验室3篇蛋白质组论文相继当选国际顶级学术期刊,论文分别在蛋白质组的检测、阐明以及探究发现方面提出全新的钻研方案,为人类从根本上阐释性命提供重要技能参考。科学界曾经认为,只要绘制出人类基因组序列图,就能了解疾病的根源,但事实并非如此。相同的基因往往有不同的表达,比如,人体不同构造器官的基因组是一样的,但是各…- 2
- 0
可发现药物靶点,哈佛等机构开发了一种对蛋白建模的深度学习要领
编辑 | 萝卜皮翻译延长对于维持细胞蛋白质稳态至关重要,并且翻译景观的改变与一系列疾病相关。核糖体阐发可以在基因组规模上详细测量翻译。然而,目前尚不清楚如何从这些数据中的技术产物中分离出生物变异,并辨认翻译失调的序列决定因素。在最新的钻研中,中国科学院、哈佛大学(Harvard University)、斯坦福大学(Stanford University)、约翰霍普金斯大学(Johns Hopkin…- 5
- 0
蛋白质
❯
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!