IXThinker·2026-09-12 02:00Baker組新方法 以全原子模型釋放逆向設計潛力
人工智能正在模糊蛋白質結構預測與分子設計的邊界。Baker團隊的RFOptimization工作指出，儲存在全原子模型內部的隱含物理知識，不僅可用於由序列推結構，更可反向用於分子操控，由目標功能反推最優序列。
從正向預測到逆向設計
AlphaFold、Boltz、Protenix與RoseTTAFold等結構模型，已從海量生物分子數據中學會了氨基酸序列、三維結構、原子幾何與分子相互作用之間的複雜對應關係。關係之複雜前所未見。
過去這些知識主要用於回答正向問題：給定分子序列，會折疊成什麼結構？但一個自然的追問隨之而來：模型內部高度壓縮的分子世界表徵，是否只能用來預測？
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。