蛋白质

编辑 | 白菜叶低温电子断层扫描技术可以以纳米级分辨率对细胞三维结构进行常规可视化。当与单粒子断层扫描技术相结合时，可以获得原生环境中常见大分子的近原子分辨率结构。低温电子断层扫描/单粒子断层扫描（CET/SPT）面临的两个突出挑战是蛋白质的自动识别和定位，这两项任务受到细胞内分子拥挤、低温电子断层扫描断层图像特有的成像失真以及断层扫描数据集的庞大规模的阻碍。目前的方法存在准确度低、需要大量且耗时…

编译 | 紫罗最近，研究人员能够从少量血液样本中测量数千种血浆蛋白，这为广泛的数据提供了新的维度，可以增进我们对人类健康的了解。例如，SomaLogic 公司已经开发出测量 10,000 多种蛋白质的方法，而赛默飞世尔的 Olink 检测方法可以从少至 2 μl 的样本中检测 5400 多种蛋白质。当这些丰富的数据与来自大型患者群体的其他信息层（例如英国生物库从 50 万名参与者那里获得的基因、健…

编辑 | KX蛋白质去噪扩散概率模型用于从头生成蛋白质骨架，但其在引导生成具有序列特异性属性和功能特性的蛋白质方面存在局限。为了克服这一限制，华盛顿大学 David Baker 团队，开发了一种基于 RoseTTAFold 的序列空间扩散模型 ProteinGenerator (PG)，可同时生成蛋白质序列和结构。从噪声序列表示开始，PG 通过迭代去噪生成序列和结构对，并以所需的序列和结构蛋白质属…

图示：登革热病毒蛋白的结构。（来源：Spyros Lytras 和 Joe Grove）编译 | 白菜叶人工智能 (AI) 正在帮助重新绘制病毒家族树。AlphaFold 生成的预测蛋白质结构和受聊天机器人启发的「蛋白质语言模型」揭示了病毒家族中的一些令人惊讶的联系，其中包括感染人类的病原体以及新出现的威胁。科学家对病毒进化的理解大多基于基因组比较。但病毒（尤其是那些基因组以 RNA 编写的病毒）…

编辑 | KX蛋白质工程是合成生物学领域的重要研究方向之一。近年来，AI 辅助的蛋白质工程逐渐发展成为一种高效的蛋白质分子设计新策略。近日，微软研究院科学智能中心的研究人员提出了深度学习框架 µFormer，其将预训练的蛋白质语言模型与定制设计的评分模块相结合，从而预测蛋白质的突变效应。µFormer 在预测高阶突变体、建模上位（epistatic）相互作用和处理插入方面，实现了最先进的性能。通过…

编辑 | 萝卜皮提高抗体与其靶抗原的结合亲和力是抗体疗法开发中的关键任务。复旦大学与百奥几何（BioGeometry）团队联合推出了一种可预训练的几何图神经网络 GearBind，展示了其在抗体亲和力成熟中的潜力。通过多关系图构建、几何消息传递和大规模未标记蛋白质数据的预训练，GearBind 在多个测试集上的表现优于现有方法。研究人员基于 GearBind 推导出一个强大的集成模型，成功用于增强…

编辑 | ScienceAI在生物经济智能化升级的浪潮中，业界领先的AI蛋白质设计平台公司分子之心宣布于近期完成 A 轮融资。本轮融资额达数亿元人民币，由谢诺投资、深创投联合领投，商汤国香资本、久奕投资跟投。作为具有行业标杆地位的 AI 生物大分子设计平台公司，分子之心本轮融资将进一步提速 AI 生物基础设施建设。分子之心创始人、国际知名计算生物学家许锦波表示，本轮融资将用于进一步扩大顶级复合型人…

编辑 | ScienceAI像 AlphaFold 这样的蛋白质结构预测工具，已经帮助我们深入了解了蛋白质如何相互作用从而发挥其功能，但这些工具无法创建新的蛋白质来直接控制这些相互作用。现在，Google DeepMind 团队推出了一种用于设计「与目标分子结合更紧密」的新型蛋白质的 AI 系统 AlphaProteo。在测试的 7 种靶蛋白上，AlphaProteo 的实验成功率更高，在湿实验室…

编辑 | KX蛋白质如何进行构象运动，不仅是一个基本的生物物理问题，而且对于药物设计等实际应用也至关重要。尽管深度学习方法，比如 AlphaFold2 和 RoseTTAFold，可以高通量预测蛋白质的静态结构，但预测构象运动仍然是一个挑战。在此，南京大学、香港浸会大学（Hong Kong Baptist University）、中国科学院大学以及昌平实验室和莱斯大学合作，找到了一种新的方法来预测…

编辑 | KX蛋白质与其他分子相结合，促进几乎所有的基础生物活动。因此，了解蛋白质功能对于理解健康、疾病、进化和分子水平上的生物体功能至关重要。然而，超过 2 亿种蛋白质仍未得到表征，计算方法在很大程度上依赖于蛋白质的结构信息来预测不同质量的注释。近日，来自牛津大学、苏黎世联邦理工学院、上海理工大学和北京师范大学组成的研究团队，设计了一种基于统计的图网络方法，称为 PhiGnet，从而促进蛋白质的…

编辑 | ScienceAI作者 | 计算所张海仓团队近期，中国科学院计算所张海仓带领的研究团队提出了 CarbonNovo，以端到端的方式联合设计蛋白质主链结构和序列。该研究以「CarbonNovo: Joint Design of Protein Structure and Sequence Using a Unified Energy-based Model」为题发表在机器学习会议 ICML…

编辑 | KX在生活中，打开一盏灯，或者调节灯光很简单。但实现类似生物分子功能控制的系统却很复杂，而且人们对此了解甚少。在生物学中，蛋白质功能以复杂的方式开启和关闭，变构调节是其中一种重要的生物学调节机制，对于健康的新陈代谢和细胞信号传导至关重要，但在合成蛋白质系统中，创建变构现象一直存在重大挑战。近日，华盛顿大学 David Baker 团队，设计出了能够通过变构控制，可靠而准确地在组装和拆卸之…

编辑 | 萝卜皮空间组学的最新进展已将分子类别分析的范围扩展到转录组学之外。然而，许多此类技术都受到空间分辨率的限制，阻碍了科学家深入表征复杂组织结构的能力。现有的计算方法主要侧重于转录组学数据的分辨率增强，缺乏针对各种组学类型的新兴空间组学技术的适应性。在这里，北京航空航天大学和清华大学的研究人员提出了 soScope，这是一个统一的生成框架，旨在提高从各种空间组学技术获得的分子谱的数据质量和空…

编辑 | 萝卜皮蛋白质糖基化是糖基对蛋白质进行的一种翻译后修饰，在细胞的多种生理和病理功能中起着重要作用。糖蛋白质组学是在蛋白质组范围内研究蛋白质糖基化，利用液相色谱与串联质谱 (MS/MS) 联用技术获取糖基化位点、糖基化水平和糖结构的组合信息。然而，由于结构决定离子的出现有限，目前糖蛋白质组学的数据库搜索方法通常难以确定聚糖结构。虽然光谱搜索方法可以利用碎片强度来促进糖肽的结构鉴定，但是光谱库…

编辑 | 萝卜皮了解蛋白质功能和开发分子疗法，需要破译蛋白质发挥作用的细胞类型，解析蛋白质之间的相互作用。然而，对跨生物背景蛋白质相互作用进行建模对于现有算法来说仍然具有挑战性。在最新的研究中，哈佛医学院的研究人员开发了 PINNACLE，这是一种生成情境感知蛋白质表征的几何深度学习方法。PINNACLE 利用多器官单细胞图谱，在情境化蛋白质相互作用网络上进行学习，从 24 种组织的 156 种细…

编辑 | KX在药物研发领域，准确有效地预测蛋白质与配体的结合亲和力对于药物筛选和优化至关重要。然而，目前的研究没有考虑到分子表面信息在蛋白质-配体相互作用中的重要作用。基于此，来自厦门大学的研究人员提出了一种新颖的多模态特征提取（MFE）框架，该框架首次结合了蛋白质表面、3D 结构和序列的信息，并使用交叉注意机制进行不同模态之间的特征对齐。实验结果表明，该方法在预测蛋白质-配体结合亲和力方面取得…

编辑 | 萝卜皮蛋白质参与了细胞组成、肌肉收缩、消化食物、识别病毒等众多生物学功能。为了设计出更好的蛋白质（包括抗体），科学家经常在不同位置反复变异氨基酸（按一定顺序排列组成蛋白质的单位），直到使蛋白质获得所需要的功能。但氨基酸序列的数量比世界上的沙粒还要多，因此找到最佳蛋白质，进而找到最佳潜在药物，通常难度巨大。当面临这一挑战时，科学家通常会花费数百万美元，并在微型化、简化版的生物系统中进行测试…

编辑 | 枯叶蝶蛋白质是生命的基石，参与几乎所有的生物过程。了解蛋白质如何相互作用对于解释细胞功能的复杂性至关重要，对药物开发和疾病治疗也具有重要意义。洛桑联邦理工学院（École Polytechnique Fédérale de Lausanne，EPFL）的 Anne-Florence Bitbol 团队提出了一种配对相互作用的蛋白质序列的方法，该方法利用了在多个序列比对上训练的蛋白质语言模…

编辑 | ScienceAI近日，上海交通大学自然科学研究院/物理天文学院/张江高研院/药学院洪亮教授课题组，联合上海人工智能实验室青年研究员谈攀，在蛋白质突变-性质预测上取得重要突破。该工作采用全新的训练策略，在使用极少湿实验数据的情况下，极大地提高了传统蛋白质预训练大模型在突变-性质预测的效果。该研究成果以《Enhancing the efficiency of protein languag…

编辑 | KX蛋白质的动力学对于理解其机制至关重要。然而，通过计算猜测蛋白质动学信息具有挑战性。在此，来自山东大学、百图生科（BioMap）、北京理工大学、湖北医药学院、宁夏医科大学和阿卜杜拉国王科技大学（KAUST）的研讨团队，提出了一个神经网络模型 RMSF-net，其优于以前的格式，并在大规模蛋白质动力学数据集中产生最佳结果；该模型可以在几秒钟内准确推断出蛋白质的动力学信息。通过从实验蛋白质…

编辑 | 萝卜皮在药物研发中，确定小分子配体对蛋白质的分离亲和力和性能效力至关重要。目前的计算要领可以展望这些蛋白质-配体相互作用特性，但如果没有高分辨率的蛋白质布局，通常会失去准确性，并且无法展望性能效力。莫纳什大学（Monash University）和格里菲斯大学（Griffith University）的研讨人员开发了 PSICHIC（PhySIcoCHemICal graph neura…

编辑 | 萝卜皮一项新的人工智能应用将帮助研讨职员提高药物研发能力。该项目名为 TopoFormer，是由美国密歇根州立大学（Michigan State University）数学系 Guowei Wei 教授领导的跨学科团队开发的。TopoFormer 将份子的三维信息转化为典型的基于人工智能的药物相互作用模型可以利用的数据，扩展了这些模型猜测药物有效性的能力。「有了人工智能，你可以让药物研发…

编辑 | 萝卜皮在药物研发中，确定小分子配体对蛋白质的分离亲和力和功效效力至关重要。目前的计算要领可以展望这些蛋白质-配体相互作用特性，但如果没有高分辨率的蛋白质构造，通常会失去准确性，并且无法展望功效效力。莫纳什大学（Monash University）和格里菲斯大学（Griffith University）的钻研人员开发了 PSICHIC（PhySIcoCHemICal graph neura…

编辑 | X蛋白质就像是身体中的精密锁具，而药物份子则是钥匙，只有完美契合的钥匙才能解锁治疗之门。科学家们一直在寻找高效的格式来预测这些「钥匙」和「锁」之间的匹配度，即蛋白质-配体相互作用。然而，传统的数据驱动格式往往容易陷入「死记硬背」，记住配体和蛋白质训练数据，而不是真正进修它们之间的相互作用。近日，浙江大学和中国科学院研讨团队，提出了一种名为 EquiScore 的新型评分格式，利用异构图神…