蛋白质结构预测方法和原理

蛋白质结构预测方法及原理据金融界消息，2024年2月19日，根据国家知识产权局公告，清华大学申请的项目名为“蛋白质结构预测方法、装置、电子设备及存储介质” ” 公开号CN117558337A，申请日为2023年9月。专利摘要显示，本发明提供了一种蛋白质结构预测方法、装置、电子设备和存储介质。该方法包括：获取待输入的蛋白质。

蛋白质结构预测方法细胞中蛋白质的折叠形状与其执行的功能密切相关。准确预测蛋白质结构并确定蛋白质的三维坐标对于理解生物现象至关重要。但传统的基于物理实验和分子动力学的方法费时费力且效果甚微。数据显示，AI技术的引入极大提高了蛋白质结构预测的效率和蛋白质分子设计的成功率。我会继续。

╯△╰

大约五年前，谷歌最多产的以人工智能为中心的研究实验室之一DeepMind 推出了AlphaFold。这就是人工智能，可以准确预测人体内很多蛋白质的结构吧？蛋白质和小分子复合物的结构预测应该是AI和CADD方法的结合，它们分别基于数据库和物理原理。第三次重大升级：核酸和翻译后修饰预测完成！

这种变革性方法正在迅速增进对基本生物过程的理解并促进药物设计。 AlphaFold去年发布了包含2亿个蛋白质预测结构的数据库。这个数字是多少？ AlphaFold 通过对实验室科学家研究的170,000 个蛋白质序列和结构进行机器学习，掌握了预测蛋白质结构的专业知识。正是因为预测了蛋白质是什么。

例如，在弄清楚蛋白质的一级结构后，使用人工智能来预测其二级、三级和四级结构。 2018年，人工智能正式参与预测蛋白质三维结构，并在其中大显身手。它速度极快，可以在几天甚至几分钟内以高置信度预测蛋白质结构，而以前需要几十年才能获得。大大促进好宝宝的诞生！

ˋ△ˊ

这使得AlphaFold 2过去很难准确预测其结构。但没有解决办法。解决蛋白质结构预测同源序列短缺问题的两种方法是用新解析的基因组或宏基因组数据更新序列数据库，并提高同源搜索的灵敏度。这可能适用于某些蛋白质，但不能解决那些缺乏天然同源序列的蛋白质的问题。另一件已经完成了。

＼　＿　／

为重大疾病的原理和创新药物的研发打下坚实的基础。罗振伟研究员表示，生物大分子的许多重要功能都是通过其高度柔性的特性来完成的，但Rou等人。会说。方法齐头并进。该团队不仅拥有大型冷冻电镜平台，还拥有坚实的人工智能人才团队，在先进冷冻电镜算法和计算机蛋白质结构预测领域。

?＾?

蛋白质结构和功能的形成很大程度上取决于侧链原子之间的相互作用。因此，准确的蛋白质侧链预测（PSCP）是解决蛋白质结构预测和蛋白质设计困难的方法，对吗？一种用于预测蛋白质侧链坐标的端到端深度学习方法，联合模拟侧链相互作用。直接预测的侧链结构物理上更可行，原子碰撞更少，更理想！

ˇ０ˇ

以预测大分子的结构和功能为目的，人工智能逐渐渗透到创新药物研发的各个环节。目前，该公司已将人工智能技术应用到蛋白质转化过程中。该公司通过协同AI计算模拟“干实验”和高通量“湿实验”，将AI技术与基于力场的计算机虚拟筛选方法相结合，不断闭环迭代，最终获得特定蛋白质。比如说什么是全能核心？

一种可以设计新蛋白质的深度学习方法已经被开发出来。这种名为RoseTTAFold Diffusion (RFdiffusion) 的深度学习方法可以生成多种功能蛋白，包括天然蛋白中从未见过的拓扑结构。论文称，深度学习促进了蛋白质结构的预测和设计，但仍需要一个通用框架来克服蛋白质设计中遇到的各种挑战。