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
AI绘画
谷歌
机器人
数据
大模型
Midjourney
开源
智能
Meta
用户
微软
GPT
学习
技术
图像
Gemini
马斯克
AI创作
智能体
英伟达
Anthropic
论文
代码
AI新词
训练
算法
Stable Diffusion
LLM
芯片
蛋白质
开发者
腾讯
Claude
苹果
生成式
AI for Science
Agent
神经网络
3D
机器学习
研究
xAI
生成
人形机器人
AI视频
计算
百度
Sora
GPU
华为
AI设计
工具
大语言模型
RAG
搜索
具身智能
字节跳动
大型语言模型
场景
深度学习
预测
视频生成
伟达
视觉
Transformer
AGI
架构
亚马逊
神器推荐
Copilot
应用
DeepMind
特斯拉