LigandMPNN
比Rosetta快250倍,亲和力提升百倍,David Baker开发原子上下文条件蛋白序列设计新工具
编辑 | 萝卜皮小分子、核苷酸和金属离子条件下的蛋白质序列设计,对于酶和小分子结合剂以及传感器设计至关重要。 但是,当前最先进的深度学习序列设计方法无法对非蛋白质原子和分子进行建模。 华盛顿大学的 Cameron Glasscock、David Baker 团队提出了一种基于深度学习的蛋白质序列设计方法,称为 LigandMPNN,该方法可以模拟生物分子系统的所有非蛋白质成分。
3/31/2025 2:04:00 PM
ScienceAI
- 1
资讯热榜
标签云
AI
人工智能
OpenAI
AIGC
模型
ChatGPT
DeepSeek
谷歌
AI绘画
机器人
数据
大模型
Midjourney
开源
Meta
智能
微软
用户
AI新词
GPT
学习
技术
智能体
马斯克
Gemini
图像
Anthropic
英伟达
AI创作
训练
论文
LLM
代码
算法
芯片
Stable Diffusion
苹果
腾讯
AI for Science
Claude
Agent
蛋白质
开发者
生成式
神经网络
xAI
机器学习
3D
研究
人形机器人
生成
AI视频
百度
工具
具身智能
Sora
RAG
大语言模型
GPU
华为
计算
字节跳动
AI设计
搜索
大型语言模型
AGI
场景
深度学习
视频生成
架构
DeepMind
预测
视觉
伟达
Transformer
编程
AI模型
神器推荐
亚马逊
MCP