通过AlphaFold2 Multimer，研究者能更深入地了解蛋白质复合体的结构和动态行为，进而提升生物和新药研究的效率。图五展示了面向AlphaFold2 Multimer模式的方案实现。该方案基于英特尔架构进行了优化与验证，确保了AlphaFold2 Multimer的管线结构能够高效应对蛋白质复合体结构预测的挑战。尽管其管线结构已根据需求进行了调整，...
鉴于AlphaFold2的成功,它的许多新组件可能在蛋白质结构预测之外的任务中也会有用。例如,使用蛋白质复合物数据集重新训练AlphaFold2产生了AlphaFold2-Multimer,这是预测蛋白质复合物结构的最先进模型。然而,直到最近,这一能力还仅限于DeepMind。为了解决这一缺陷,作者开发了OpenFold,一个可训练的开源AlphaFold2实现。作者...
AlphaFold2虽然在单体蛋白上表现优异，但对复合体，预测的准确度还有待提升。为此，DeepMind团队上线了AlphaFold-Multimer模型，一款针对复合物进行重新训练的神经网络模型，希望能发动飞桨社区开发者们的积极性，一起开发优化基于AlphaFold-Multimer的模型，之后也开源贡献到飞桨平台，让更广大的生信领域研究者们使用基于飞桨...
重要的是,在扩散过程中不需要像AlphaFold2中对侧链原子位置进行的基于物理的最小化(由AMBER执行)。为了在扩散过程中防止在未结构化区域生成物理上合理的结构,使用了来自AlphaFold-Multimer v2.3的训练数据进行交叉蒸馏,该数据集中包含了这些区域的环。最后,引入了一个置信度模块来衡量从原子级和成对计算中的错误的置...
上个月,Jumper 和他的同事在bioRxiv 上发布了一篇预印本论文,介绍了AlphaFold AI工具的新版本,名为AlphaFold-Multimer。 该工具绘制出了 4433 种蛋白质复合物的结构,准确率达到了69%。 「对于结构生物学来说,这确实是一个激动人心的时刻」,Baker说。
鉴于 AlphaFold2 的成功,它的许多新组件可能被证明对蛋白质结构预测以外的任务有用。例如,使用蛋白质-蛋白质复合物的数据集对 AlphaFold2 进行再训练,得到了 AlphaFold2-Multimer,这是预测蛋白质复合物结构的最先进模型。然而,直到最近,这种能力一直是 DeepMind 独有的。
基于英特尔® 架构的 AlphaFold2 解决方案同样也面向 AlphaFold2 Multimer 的管线结构进行了优化与验证,虽然其管线结构已根据蛋白质复合体结构预测的需求进行了调整,但英特尔 AlphaFold2 上的优化方案,在被用于 AlphaFold2 Multimer 时同样有效,同样能为之提供充沛且更具性价比的算力支持。目前,基于 AlphaFold2 Multi...
得益于此,DMFold-Multimer模型在CASP15中的41个复合物预测中取得最优,大幅领先原有的AlphaFold-Multimer,尤其是抗原-抗体复合物的结构建模中。然而,考虑到MSA的构建流程,该模型的易用性(对计算资源的要求)也有待进一步考察。 同样是预测任务,Wayment-Steele等人...
例如对蛋白质-蛋白质相互作用的预测,从 RoseTTAFold 到 DeepMind 最新的 AlphaFold-Multimer 都是对已知相互作用的蛋白质复合体进行结构模拟,无法判断两个/多个输入的蛋白质链是否存在相互作用,而 TRFold 复合体预测则首先对输入蛋白质链是否相互作用进行快速判别,再对其复合体结构进行预测。
实际上,AlphaFold2-Multimer(专长于蛋白复合物特别是结合界面结构预测的模型)已经初步尝试co-folding的方式,效果非常好。 那么类似的理念用到蛋白质-小分子的相互作用上,会不会也有奇效?答案是肯定的。 我们这次参赛的方法就是利用了类似理念。把AlphaFold2的这套方法,在蛋白序列后面再加上小分子frame,通过frame再构...