IXThinker·2026-08-13 09:10

研究從核磁共振缺失數據解析蛋白質動力學

蛋白質功能依賴微秒至毫秒尺度的構象轉換，但此時間尺度的實驗數據長期稀缺，制約機器學習模型發展。研究人員系統整理逾百套核磁共振數據，發現缺失信息中隱含豐富動力學線索，為訓練高精度預測模型提供新基礎。

動力學數據稀缺

蛋白質並非靜態結構，其催化、配體結合與變構調控等功能，往往依賴多個構象之間在微秒至毫秒尺度上的轉換。與靜態結構相比，可用於機器學習的標準化動力學實驗數據極為有限，一直限制着預測模型的發展。