AI面临的五个蛋白质设计问题,Nature找了一群专家来讨论
编辑 | 白菜叶Alena Khmelinskaia 希望设计定制蛋白质就像订餐一样简单。她说,想象一下一台「自动售货机」,任何研究人员都可以使用它来指定他们想要的蛋白质的功能、大小、位置、分子伴侣或者其他特征。「理想情况下,你会得到一个可以同时完成所有这些事情的完美设计。」德国慕尼黑大学(LMU)
编辑 | 白菜叶Alena Khmelinskaia 希望设计定制蛋白质就像订餐一样简单。她说,想象一下一台「自动售货机」,任何研究人员都可以使用它来指定他们想要的蛋白质的功能、大小、位置、分子伴侣或者其他特征。「理想情况下,你会得到一个可以同时完成所有这些事情的完美设计。」德国慕尼黑大学(LMU)
北京时间10月9日晚,国际知名学术期刊《自然-方法》(影响因子47.99)刊发了由复旦大学马剑鹏教授领衔的科研团队开发的新型计算方法OPUS-DSD。该算法不但能够成功地解析冷冻电子显微镜(Cryo-EM)结构解析技术中因传统方法无法分辨而缺损的生物大分子(比如蛋白质、核酸或蛋白质/核酸复合物等)结
在生物医学研究的前沿领域,“单细胞蛋白质组学”是怎样的存在?用一个比喻来说,它就像一把钥匙,能够开启细胞内部世界的大门,让我们得以窥见细胞如何通过蛋白质的相互作用来执行生命活动。
编辑丨&预测蛋白质功能的计算方法对于理解生物学机制和治疗复杂疾病具有重要意义。然而,现有的预测计算方法缺乏可解释性,难以理解蛋白质结构和功能之间的关系。在研究中,来自中南大学的团队提出了一种基于深度学习的解决方案,名为 DPFunc,用于使用域引导的结构信息进行准确的蛋白质功能预测。
三十亿年的进化已经产生了极其多样化的蛋白质分子,但蛋白质的全部潜力可能要大得多。挖掘这种潜力对于计算和实验来说都是一个挑战,因为可能存在的蛋白质分子的空间,比那些可能具有功能的空间大得多。
人工智能的卓越发展源于对技术与产业本质的洞察机器之心视频栏目「智者访谈」邀请领域专家,洞悉 AI 核心趋势深化行业认知,激发创新思考与智者同行,共创 AI 未来2024 年诺贝尔化学奖颁发给了在计算蛋白质设计和蛋白质结构预测领域做出突出贡献的三位科学家,凸显了人工智能和计算方法在解析生物语言中的关键
·基础医学研究奖授予了谷歌DeepMind公司的科学家Demis Hassabis 和John Jumper;临床医学研究奖则授予了麻省理工学院的James G. Fujimoto教授和Eric A. Swanson先生以及俄勒冈健康与科学大学凯西眼科研究所的David Huang教授;医学科学特殊
在2000年出版的《剑桥世界食物史》(The Cambridge World History of Food)中,记载了一则轶事:1728年,意大利学者雅可布·贝卡利(Jacopo Beccari)宣布,发现白面粉中存在具有“动物物质”全部特性的东西。他的处理方式,是将和好的生面团在水中揉搓清洗,除
编辑 | ScienceAI2024年对于AI for Science而言,可谓硕果累累:两个诺贝尔奖再度聚焦人工智能与科学的先驱性结合。
学位移分配对于基于核磁共振 (NMR) 的蛋白质结构、动力学和相互作用研究至关重要,可提供重要的原子级见解。然而,获得化学位移分配是劳动密集型的并且需要大量的测量时间。