深度學習重塑蛋白設計:結構預測已近實驗精度
耶魯大學Gregory Kyro團隊發表論文,系統梳理深度學習在蛋白質設計領域的應用與進展,涵蓋結構預測、序列優化及從頭生成三條主線,展示AI如何重塑這門與藥物研發密切相關的學科。
結構預測突破
AlphaFold2、RoseTTAFold與ESMFold等工具令單鏈蛋白質結構預測達到接近實驗精度,啟發後續工作;AlphaFold Multimer、RoseTTAFold All-Atom、AlphaFold 3、Chai-1及Boltz-1等再將能力擴展至多鏈生物分子複合物。

IXThinker 會員內容
呢篇係 Archive 內容。登入即可解鎖全文,仲有成個 15,000+ 篇、每日更新嘅 AI 動態資料庫。
免費登入/註冊解鎖全文 →Google 或電郵地址即可,即刻解鎖。
