admin 中新网北京7月12日电 (新闻记者 孙自法)国际性知名学术刊物《自然》最新在线发布一篇结构生物学毕业论文称，科研人员运用人工智能技术(AI)科技驱动，研制出一种能设计方案新蛋白的深度学习方法，这一名叫RoseTTAFold Diffusion(RFdiffusion)的深度学习方法能产生各种各样多功能性蛋白，包含在天然蛋白质中没见过的网络拓扑结构。
该论文介绍，深度神经网络促进了蛋白质的功能预测与设计，但还需一个通用性架构来解决在蛋白设计方面所遇到的考验。扩散模型是一种生成式模拟方法，已经被证实在图像和文本生成中非常有用，并且好像同样适用于蛋白设计方案。但是，这种实体模型现阶段成功概率并不是很高，所产生的编码序列基本上不可以伸缩成总体目标构造。
论文通讯作者、美国华盛顿大学David Baker与同事及合作方进行研究发现，根据微调以前报导完的RoseTTAFold的构造预测分析互联网并把它集成到一个减噪扩散模型中，就可形成具备现实意义的营养物质框架，而蛋白框架取决于蛋白的形状作用。该方法(RFdiffusion)能检测有着不一样结构元素设计组成，并重新开始造成蛋白。RFdiffusion能运行不一样任务，设计方案单个(蛋白的基本上构成企业)、寡聚体(多亚基聚体)与有医治或工业生产应用价值错综复杂的构造，如结合位点。
论文作者对数以百计设计方案出来的对称性聚体、金属材料结合蛋白和结合蛋白结构和作用展开了试验表现，验证了此方法的应用性。他还衍生出了设计方案的一种结合蛋白与其说磷酸化(这里为流感病毒血凝素——在感冒病毒表层找到的蛋白质)的物质并阐述了它的结构，发觉结论和设计模型几乎一模一样，进而验证了此方法准确性。
论文作者汇总觉得，RFdiffusion应该是现阶段蛋白设计理论的一次综合性改善，能够产生总长达600个残基的结构，多样性和精确度都比以前更高一些。后面对此方法的进一步改善，或许能制作出复杂性更高新蛋白质。(完)
微信扫一扫打赏
支付宝扫一扫打赏
