2025-09-26
9188
Alphaflod及Rosettafold等深度进修模子的开发使患上基在卵白质氨基酸序列推测卵白质结构取患上庞大进展。然而，经由历程卵白质结构逆向设计氨基酸序列仍是难点。针对于这一难点，科学家们试图开发新型的深度进修算法资助研究职员解决卵白质逆向问题。 近日，来自美国华盛顿年夜学的研究团队于《Science》发表题为“R艾弗森贝博-obust deep learning –based protein sequence design using ProteinMPNN”的研究论文，开发了一种基在深度进修的卵白质序列设计要领，适用在单体、环状低聚物、卵白质纳米颗粒及卵白质-卵白质界面等设计领域。 研究职员从具备3个编码器及3个解码器以和128个隐蔽维度的消息通报神经收集（MPNN）最先，将卵白质骨架特性-Ca-Ca原子之间的间隔，相对于-Ca-Ca-Ca框架标的目的及扭转，以和骨架二面角作为输入，以自回归的方式推测从N到C结尾的卵白质序列。针对于运用在单链及多链的设计问题，研究团队利用了矫捷的解码挨次来牢固响应位置调集中的残差恒等式；用非正规化几率与一些正负数的线性组合来晋升或者降低特定主干状况，以实现明确的正负序列设计。这类多链及对于称感知模子的架构称之为ProteinMPNN。试验评估结果注解，ProteinMPNN的高试验设计乐成率及盘算效率，适用在险些所有卵白质序列设计问题。从折叠到自然卵白质主干的不雅察结果注解，ProteinMPNN算法可有用改善重组表达自然卵白质的表达性及稳定性。这一要领的提出使患上深度进修可以更正确、更快速地建设卵白质份子，有益在研发更多新的疫苗、疗法及生物质料。 原文链接：https://www.science.org/doi/10.1126/science.add2187 注：此研究结果摘自《Science》，文章内容不代表本网站不雅点及态度，仅供参考。-艾弗森贝博-
