在预测类药物相互作用方面,AlphaFold 3 实现了前所未有的准确度,包括蛋白质与配体的结合以及抗体与其靶蛋白的结合。在 PoseBusters 的基准测试中,AlphaFold 3 的准确率比现有最佳传统方法高出 50%,而且无需任何结构信息输入,成为首个超越传统...
研究团队展示了这种假环肽的两种应用:1)作为一个结构域结合到一个更大的、全新设计的蛋白质中;2)用于小分子传感的纳米孔融合以及用于化学诱导二聚化的分裂蛋白 。这些发现将为蛋白质从头设计和生物传感开辟新的研究方向。 目前,蛋白质设计的一个主要挑战是创造高选择性和...
酶作为生物催化剂,在工业生产中具有广泛应用。通过AI蛋白质设计技术和量子化学计算,可以精准地预测酶的结构,确定酶的活性中心及催化机制。在此指导下,设计出活性更高、选择性更强的酶。并可同时针对底物结合亲和力、产物释放速率等进行多目标优化,从而以全面优化酶的催化性能,助力产率和产品质量提升,降低生产成本。酶—...
Generate Biomedicines 的计算机科学家 John Ingraham 表示，更好地了解生物物理学可能会有所帮助，但有关蛋白质如何与分子结合的更多更好的数据也会有所帮助。他的公司正在通过强力手段攻克这一难题，尽可能多地使用有关蛋白质相互作用和功能的数据，并将其与由他们的模型生成的设计高通量数据相结合。追求新的催化剂 ...
AI蛋白质设计 *涉及使用代码/计算工具的操作 一、蛋白质相关的深度学习简介 1.基础概念 1.1.机器学习简介:从手写数字识别到大语言模型 1.2.蛋白质结构预测与设计回顾 1.3.Linux简介 1.4.代码环境:VS code和Jupyter notebook* 1.5.Python关键概念介绍*
Nature communications| 使用基于结构的残基偏好进行蛋白质设计 Nature biotechnology| 用于功能性蛋白质设计的机器学习 Scientific reports| Deep-WET:一种基于深度学习的方法,使用具有加权特征的词嵌入技术预测 DNA 结合蛋白 Cell Systems| 深度学习为蛋白设计开启了新时代 ...
10月9日,欧洲中部时间11时45分(北京时间17时45分),瑞典皇家科学院决定将2024年诺贝尔化学奖的一半授予大卫·贝克(David Baker),以表彰他在“计算蛋白质设计”方面的贡献,并将另一半授予戴密斯·哈萨比斯(Demis Hassabis)和约翰·M·詹伯(John M. Jumper),以表彰他们在“蛋白质结构预测”方面的贡献。
在这项最新研究中,David Baker团队着手开发一种通用的方法来设计具有高形状互补性的小分子结合蛋白,并可应用于下游传感。研究团队假设,与基于固定支架的方法相比,从鉴定与靶向小分子具有高度形状互补性的蛋白质支架开始的设计方法将能够实现更高的亲和力结合,并能够与柔性和极性靶标小分子结合。
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间转换的蛋白质。研究人员利用 AI ...
Profluent是一家成立于2022年的人工智能驱动的蛋白质设计公司，专注于利用深度生成式模型来开发新型功能性蛋白质。公司在成立之初就成功筹集了900万美元的种子轮融资，并在今年3月完成了新一轮融资，使得其融资总额达到了4400万美元。与其他专注于蛋白质设计的公司不同，Profluent的主要目标是基因编辑而非抗体治疗，尽管...