1.传统蛋白质(复合物)结构预测 1.1.使用modeller、swiss-model进行同源建模 1.2.基于分子动力学的从头建模 1.3.分子对接加入非蛋白质部分,AutoDock Vina实际操作* 2.现代深度学习用于蛋白质结构预测 2.1.RaptorX:从计算机视觉到蛋白质结构 2.2...
对于大多数蛋白质，生成式人工智能软件可以生成像手一样精确包裹目标的粘合剂。例如，2023 年，David Baker 和他的同事使用 RFdiffusion 创建了传感器蛋白，当它们附着在特定肽激素上时会发光。但诸如遍布免疫细胞表面的跨膜分子等蛋白质仍然难以破解。预测蛋白质-蛋白质相互作用的算法之所以成功，是因为所有天然蛋白质都...
帮助学员们, 通过本次培训学员将了解蛋白质设计的底层逻辑与基本规则,并掌握蛋白质设计中的常见蛋白质设计算法的实际操作,具备基本的蛋白质设计算法开发的基础能力及前沿视野 主讲老师在国内顶尖课题组中从事人工智能蛋白质设计研究,目前的主要研究方向是蛋白质设计机器学习算法开发与应用,在蛋白质工程和生物相关算法开发有...
AlphaFold 在蛋白质预测领域一骑绝尘,AlphaFold 3 更是突破限制,实现了所有生命分子的预测,其发布时便有声音称,AlphaFold 3 的结构化预测与生成将加速AI驱动药物设计的发展。 如今,DeepMind 又放大招——发布用于新型蛋白质设计的 AlphaProteo AlphaProteo是首个专为设计新型高强度蛋白质结合物的AI系统,它可以生成多种...
最近,在使用深度学习(Deep Learning)方法从头设计蛋白质方面取得了相当大的进展。但我们仍然缺少用来蛋白质设计的通用深度学习框架以解决蛋白质设计上遇到的各种挑战。 扩散模型(diffusion model)是一种生成式模拟方法,已经在图像和文本生成建...
1月12日，《自然-化学工程》一篇论文显示，研究人员开发出一个能对蛋白质进行工程改造的人工智能(AI)驱动的全自动机器人，这项研究结果是对无需人类干预的蛋白质设计和构建的一次概念验证。在本次研究中，论文通讯作者、美国威斯康星大学麦迪逊分校Philip A. Romero和同事合作设计出名为SAMPLE(Self-driving Autonomous ...
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。
2024年诺贝尔化学奖颁给“AI蛋白质设计和结构预测”，一半授予大卫·贝克（David Baker），“以表彰在计算蛋白质设计方面的贡献”；另一半则共同授予德米斯·哈萨比斯（Demis Hassabis）和约翰·乔普（John M. Jumper），“以表彰他们在蛋白质结构预测方面的成就”。蛋白质是生命活动的主要承担者，它们不仅控制并驱动着...
AI对蛋白质设计领域带来颠覆性影响 作为生命的基础单位，蛋白质在创新药物研发过程中扮演着重要的角色。在单抗、ADC等大分子药物的研发过程中，对蛋白质进行优化调整以提高其适应工业化生产的能力，提升药物的治疗效果，是非常常见的策略。由于蛋白质结构繁杂且变化多端，以往科学家要更多依赖于专家指导及湿实验验证的...
近几年，基于 AI 的蛋白质从头设计快速发展，已被成功应用于抗体设计、小蛋白药物设计等领域，和传统设计方法相比，其显著提高了设计成功率和效率。AI 蛋白质设计得益于近几年的两大技术突破：一是蛋白质结构预测领域的AlphaFold2 模型，它为蛋白质计算领域包括蛋白质设计领域，提供了基础的神经网络模型架构、蛋白质...