蛋白质

编辑 | 萝卜皮辨别蛋白质的性能位点，例如蛋白质、肽或其他生物成分的连系位点，对于理解相关的生物进程和药物计划至关重要。然而，现有的鉴于序列的要领的展望准确性有限，因为它们只考虑序列相邻的上下文特征并且缺乏构造信息。上海交通大学和中山大学的研讨人员提出了 DeepProSite，用于利用蛋白质构造和序列信息来辨别蛋白质连系位点。DeepProSite 首先从 ESMFold 生成蛋白质构造，并从预…

编译 | 波菜叶机器进修算法在计算蛋白质计划中的应用比来取得了许多成就，例如从氨基酸序列预测3D构造以及可以折叠成所需3D构造的蛋白质序列的逆向计划。然而，从头蛋白质构造生成——即生成具备所需特征的蛋白质构造——仍然是一项艰巨的任务。巨大的蛋白质份子空间，以及功能性蛋白质仅由所有可能的蛋白质份子的一小部分组成的事实，使得有效识别序列、构造和功能（或性质）之间的关系变得困难。虽然深度生成模型促进了蛋…

编辑 | 萝卜皮生物活性肽是健康和医学的关键分子。深度进修为生物活性肽的发明和安排带来了巨大的希望。然而，需要合适的实验办法来以高通量和低利润考证候选物。马克斯·普朗克陆地微生物研讨所（Max Planck Institute for Terrestrial Microbiology）的研讨团队建立了无细胞蛋白质分解（CFPS）管线，用于直接从 DNA 模板快速、廉价地消费抗菌肽 (AMP)。为了…

编辑 | 萝卜皮三十亿年的退化已经产生了极其多样化的蛋白质份子，但蛋白质的全部潜力可能要大得多。挖掘这种潜力对于较量争论和实行来说都是一个挑战，因为可能存在的蛋白质份子的空间，比那些可能具有功效的空间大得多。美国 Generate Biomedicines 的研究团队介绍了 Chroma，一种蛋白质和蛋白质复合物的生成模型，可以直接对新的蛋白质构造和序列从事采样，并且可以从事调节以引导生成进程实行…

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…

编辑 | ScienceAI自 2020 年发布以来，AlphaFold 彻底改变了人们对蛋白质及其相互作用的了解方式。Google DeepMind 和 Isomorphic Labs 一直在共同努力，为更强大的 AI 模型奠定基础，将覆盖范围从蛋白质扩张到全方位的生物相关份子。2023 年 10 月 31 日，该钻研团队分享了下一代 AlphaFold 的最新进展。其最新的模型现在可以对蛋白质…

编辑 | 萝卜皮准确预计蛋白质和配体之间的连系亲和力对于药物发现至关重要。图神经网络（GNN）的最新进展在进修蛋白质-配体复合物的表示以估计连系亲和力方面取得了重大进展。为了提高 GNN 的性能，经常需要从几许角度钻研蛋白质-配体复合物。虽然「现成的」GNN 可以包含分子的一些基本几许布局，例如间隔和角度，通过将复合体建模为同亲图，这些解决方案很少考虑更高级别的几许属性，例如曲率和同源性，以及异亲…

编辑 | 萝卜皮细胞典型反卷积是一种用于从洪量测序数据中确定/解析细胞典型比例的计算格式，并且经常用于剖析肿瘤构造样本中的不同细胞典型。然而，由于重复性/再现性、参照标准可变以及缺乏单细胞蛋白质组参照数据的应战，使用蛋白质组数据剖析细胞典型的反卷积技巧仍处于起步阶段。哈尔滨工业大学、腾讯 AI lab 以及苏黎世联邦理工学院的研讨团队合作开发了一种专门针对蛋白质组数据设计的鉴于深度学习的反卷积格式…

编辑 | 紫罗高效的从头设想是计算机辅助药物发现的巨大挑战。上个月，浙大侯廷军团队和碳硅智慧合作提出了一种鉴于蛋白口袋的三维（3D）份子生成模型——ResGen，ResGen 计算效率更高，比之前最好的技术快大约八倍。研讨成果发表在《Nature Machine Intelligence》上。近日，该团队又在《Nature Computational Science》发表了其最新研讨，提出用于鉴于…

编辑 | 萝卜皮凭借其繁杂的排列和动态功能，蛋白质通过采用简单建立块的独特排列（其中几何形状是关键）来执行大量的生物任意。将这个几乎无限的排列库转化为各自的功能，可以方便钻研职员计划用于特定用途的定制蛋白质。麻省理工学院（MIT）的 Markus Buehler 提出了一种天真的鉴于谈话模型的深度学习策略，将 Transformer 与图神经网络结合起来，以更好地理解和计划蛋白质。「通过这种新步骤…

有效展望蛋白质侧链构象，更加精准啦！

论文简要回顾了聚集模型在图数据上的算法及相关使用的若干研究。论文链接：：(Graph-based Data)可以保存现实世界实体（节点）之间丰富多样的关系信息，包括实体间的关联联系、属性特点、以及拓扑布局，已经在社交网络分析、推荐系统、生物信息学等领域有广泛的使用。图生成模型旨在理解和进修现有的图数据疏散，并合成新的图样本。这对于研究图数据中潜在的图布局关系，理解现有数据中的模式、关联和隐藏的信息…

编辑 | 萝卜皮有的蛋白质在基态布局中短缺 Pocket，因此被认为是「不可成药的蛋白质」。通过靶向埋没 Pocket，可以在「不可成药的蛋白质」中寻找新的机会，来扩大药物发明的范围。然而，辨认埋没 Pocket 是一项劳动密集型且十分缓慢的工作。能否正确快速地猜测布局，以及在何处可能产生埋没 Pocket 的能力，可以加快寻找埋没 Pocket 的速度。在这里，华盛顿大学和微软团队的研讨职员介绍…

编辑 | 萝卜皮CITE-seq 是一种单细胞多组学技术，可同时测量单细胞中 RNA 和蛋白质的表白，已广泛应用于生物医学研讨，特别是免疫相关疾病和其他疾病，如流感和 COVID-19。尽管 CITE-seq 激增，但生成此类数据的成本仍然很高。尽管数据集成可以增加信息内容，但这带来了计算挑拨。首先，组合多个数据集容易产生需要解决的批处理效应。其次，很难组合多个 CITE-seq 数据集，因为不同…

「机器之心2021-2022年度AI趋势大咖说」聚焦「驱动未来的AI技巧」与「重塑产业的AI科技」，推出线上分享，共邀请近40位AI规模知名学者、产业专家及企业高管通过主题分享及多人圆桌等形式，与行业精英、读者、观众共同回顾 2021年中的重要技巧和学术热点，盘点AI产业的年度研究标的目的以及重大科技突破，展望2022年度AI技巧发展标的目的、AI技巧与产业科技融合趋势。

「机器之心2021-2022年度AI趋势大咖说」聚焦「驱动未来的AI技术」与「重塑产业的AI科技」，推出线上分享，共邀请近40位AI领域知名学者、产业专家及企业高管通过主题分享及多人圆桌等形式，与行业精英、读者、观众共同回顾 2021年中的重要技术和学术热点，盘点AI产业的年度研究方向以及重大科技突破，展望2022年度AI技术发展方向、AI技术与产业科技融合趋势。