中新網(wǎng)北京7月12日電 (記者 孫自法)國際著名學術期刊《自然》最新在線發(fā)表一篇結(jié)構(gòu)生物學論文稱,，研究人員利用人工智能(AI)技術驅(qū)動,，研發(fā)出一種能設計新蛋白質(zhì)的深度學習方法，這個名為RoseTTAFold Diffusion(RFdiffusion)的深度學習方法能生成各種功能性蛋白質(zhì),，包括在天然蛋白質(zhì)中從未見過的拓撲結(jié)構(gòu),。
該論文介紹,，深度學習推動了蛋白質(zhì)結(jié)構(gòu)的預測和設計,，但仍需一個通用框架來克服在蛋白質(zhì)設計上遇到的各種挑戰(zhàn)。擴散模型是一種生成式模擬方法,，已被證明在圖像和文本生成中很有用,，而且似乎也適用于蛋白質(zhì)設計,。然而,，這類模型目前的成功率并不高，產(chǎn)生的序列基本不能折疊成目標結(jié)構(gòu),。
論文通訊作者,、美國華盛頓大學David Baker和同事及合作者開展研究表明，通過細調(diào)之前報道過的RoseTTAFold的結(jié)構(gòu)預測網(wǎng)絡并將其整合到一個降噪擴散模型中,，就能生成具有實際意義的蛋白質(zhì)骨架,，而蛋白質(zhì)骨架決定了蛋白質(zhì)的形狀和功能。該模型(RFdiffusion)能測試擁有不同結(jié)構(gòu)元素的設計組合,，并從頭開始產(chǎn)生蛋白質(zhì),。RFdiffusion能執(zhí)行不同的任務，設計單體(蛋白質(zhì)的基本組成單位),、寡聚體(多亞基聚體)和有治療或工業(yè)應用前景的復雜結(jié)構(gòu),，如結(jié)合位點。
論文作者對數(shù)百個設計出的對稱聚體,、金屬結(jié)合蛋白和結(jié)合蛋白的結(jié)構(gòu)和功能進行了實驗表征,，證明了該方法的實用性。他們還生成了設計的一種結(jié)合蛋白與其底物(此處為流感血凝素——在流感病毒表面發(fā)現(xiàn)的蛋白)的復合物并分析了其結(jié)構(gòu),，發(fā)現(xiàn)結(jié)果與設計的模型幾乎一模一樣,，從而證明了該方法的準確性。
論文作者總結(jié)認為,，RFdiffusion是對目前蛋白質(zhì)設計方法的一次綜合改進,，能產(chǎn)生總長度達600個殘基的結(jié)構(gòu)，復雜性和準確度都比之前更高,。后續(xù)對該方法的進一步改進,，或能設計出復雜程度更高的新蛋白。(完)
免責聲明：本文來自網(wǎng)絡收錄或投稿,，觀點僅代表作者本人,，不代表芒果財經(jīng)贊同其觀點或證實其描述，版權(quán)歸原作者所有,。轉(zhuǎn)載請注明出處：http://lequren.com/1057856.html
溫馨提示：投資有風險,，入市須謹慎。本資訊不作為投資理財建議,。
