基于此，郑双佳带领团队开发深度学习方法 DynamicBind，能够在 AlphaFold 完成蛋白质静态结构预测的基础上，进行复合物结构的动态结合模式预测。另外，值得一提的是，与只能预测蛋白质单体结构的 AlphaFold2 相比，DynamicBind 能够同时预测小分子和蛋白的结合模式和亲和力强弱。“从这一点来看，DynamicBind 实现了从结构到...
新一代AlphaFold模型近日发布，相较于之前的AlphaFold 2，其预测能力得到了显著提升。最新一期的Nature杂志上，相关研究显示，该新模型能够预测包含蛋白质数据库（Protein Data Bank）内几乎所有分子类型的复合物结构，不仅限于蛋白质，还涵盖小分子（配体）、核酸（DNA和RNA）等。此外，Alphabet旗下的Isomorphic Labs与谷...
为了克服在理解蛋白配体相互作用方面存在蛋白质结构信息不足的局限性，作者提出了一种直接从序列信息预测蛋白质-配体复合物的全原子柔性结构的计算方法Umol。它不仅能够预测柔性的全原子结构，还能提供预测置信度指标（plDDT）用于筛选准确的预测结果和区分不同亲和力的配体。该方法的提出在预测蛋白质-配体复合物结构方面做...
复合物结构预测性能比较 模型在复合物结构预测性能测试中采取了一种具有挑战性且现实的情境,即假设结合状态的晶体蛋白(holo)的构象不可用且口袋位置不可知,仅使用由AlphaFold预测的非结合蛋白质构象(apo)作为模型的输入,试图预测最终的配体-蛋白复合物结构。实验证明DynamicBind在公开的基准测试集上的预测精度和多种指标...
相比AlphaFold2对单个蛋白质结构的精准预测,AlphaFold3能够高准确性预测蛋白质与各种生物分子相互作用的结构。这一最新模型能够预测含有蛋白质数据库内几乎所有分子类型的复合物的结构,包括配体(小分子)、蛋白质、核酸(DNA和RNA)如何聚集在一起并相互作用,以及预测翻译后修饰和离子对这些分子系统的结构影响,从而帮助我们在...
尽管存在抑制剂形式的抗体,AF3仍将TSHR胞外区预测为激活态构象,且抗体的朝向由指向细胞膜转变为与细胞膜平行,说明AF3预测结构可能受到激活态构象的影响。在CCR8的自主研发抑制剂抗体复合物预测中,AF3预测了与实验结构不同的表位和抗...
模型在复合物结构预测性能测试中采取了一种具有挑战性且现实的情境,即假设结合状态的晶体蛋白(holo)的构象不可用且口袋位置不可知,仅使用由AlphaFold预测的非结合蛋白质构象(apo)作为模型的输入,试图预测最终的配体-蛋白复合物结构。实验证明DynamicBind在公开的基准测试集上的预测精度和多种指标下的对接成功率均领先传统...
近日,中国科学院上海药物研究所郑明月团队开发出基于生成式AI的蛋白-配体复合物结构预测方法SurfDock。这一方法利用蛋白质表面信息构建几何扩散神经网络,高精度自动生成配体结合构象,并应用于基于结构的虚拟筛选。相关研究成果在线发表在《自然·方法》上。
今日,Alphabet旗下人工智能(AI)药物发现公司Isomorphic Labs与谷歌(Google)旗下DeepMind共同宣布推出新一代AI生物分子结构模型AlphaFold 3。与许多AI蛋白结构预测模型不同的是,AlphaFold 3能够针对多种蛋白质、DNA、RNA和小分子配体之间的交互作用进行复合物结构预测,并可预测翻译后修饰(PTM)和离子对这些分子系统结构的影...
Complex RMSD 越小、DockQ 越高说明预测的蛋白质复合物结构越接近真实结构。 §4 总结 这项工作提出了一种新的基于分子表面的深度学习建模方式,利用黎曼流形和形状基因对化学、物理以及几何相关的性质进行建模,并在蛋白质分子刚性对接的任务上超越基于三维图神经网络的深度学习方法。总结来说: - 不同于常见的基于...