| 1 | 1/1 | 返回列表 |
| 查看: 1610 | 回復(fù): 0 | |||
yexuqing木蟲之王 (文學(xué)泰斗)
太陽系系主任
|
[交流]
中國科大在基于深度生成模型的功能蛋白質(zhì)設(shè)計方面取得新進展
|
|
中國科大在基于深度生成模型的功能蛋白質(zhì)設(shè)計方面取得新進展 近日,中國科學(xué)技術(shù)大學(xué)認(rèn)知智能全國重點實驗室劉淇教授指導(dǎo)博士生張載熙和哈佛大學(xué)醫(yī)學(xué)院Marinka Zitnik教授課題組合作,設(shè)計了一種基于圖表示學(xué)習(xí)和蛋白質(zhì)語言模型的深度生成算法PocketGen,生成與小分子結(jié)合的蛋白質(zhì)口袋序列和空間結(jié)構(gòu)。實驗驗證表明,PocketGen在生成成功率和效率方面均超過了傳統(tǒng)方法。相關(guān)成果以“Efficient Generation of Protein Pockets with PocketGen”為題于北京時間11月15日發(fā)表于《自然·機器智能》(Nature Machine Intelligence)期刊。 研發(fā)適用于科學(xué)發(fā)現(xiàn)任務(wù)的人工智能算法,例如功能蛋白質(zhì)設(shè)計,是認(rèn)知智能全國重點實驗室的一個重要研究方向。在藥物發(fā)現(xiàn)和生物醫(yī)療領(lǐng)域,設(shè)計與小分子結(jié)合的功能蛋白質(zhì)(例如酶和生物傳感器)具有重要意義。然而,基于能量優(yōu)化和模板匹配的傳統(tǒng)方法計算速度慢、成功率低;谏疃葘W(xué)習(xí)的模型又存在分子-蛋白質(zhì)復(fù)雜相互作用建模難,序列-結(jié)構(gòu)依賴關(guān)系學(xué)習(xí)難等問題。因此,發(fā)展高效、高成功率且準(zhǔn)確反映物理化學(xué)規(guī)律的蛋白質(zhì)口袋生成算法是該領(lǐng)域的急切需求。 研究團隊在前期蛋白質(zhì)口袋生成工作FAIR(NeurIPS 23 Spotlight)和PocketFlow(NeurIPS 24 Spotlight)的基礎(chǔ)上,研發(fā)了PocketGen(圖1)。PocketGen可以基于蛋白質(zhì)框架和結(jié)合小分子生成蛋白質(zhì)口袋序列和結(jié)構(gòu)(圖1a)。PocketGen主要由兩部分組成。第一部分為雙層圖Transformer編碼器(圖1b):該模型受蛋白質(zhì)固有的層級結(jié)構(gòu)啟發(fā),包括氨基酸層級編碼器和原子層級編碼器,學(xué)習(xí)不同細粒度的相互作用信息,并更新氨基酸/原子表示和坐標(biāo)。第二部分為蛋白質(zhì)預(yù)訓(xùn)練語言模型(圖1c):PocketGen高效微調(diào)了ESM2模型,輔助氨基酸序列預(yù)測。具體方法為:PocketGen固定大部分模型層不變,僅微調(diào)部分適應(yīng)層參數(shù),進行序列-結(jié)構(gòu)信息交叉注意力計算,增強序列-結(jié)構(gòu)一致性。在實驗中,PocketGen模型不僅在親和力和結(jié)構(gòu)合理性等指標(biāo)上超過傳統(tǒng)方法,在計算效率方面也有大幅提高(相比傳統(tǒng)方法提升超過10倍)。 圖1. (a) 用PocketGen進行蛋白質(zhì)序列-結(jié)構(gòu)共同設(shè)計。(b) 雙層圖Transformer編碼器;(c) 蛋白質(zhì)預(yù)訓(xùn)練語言模型用于序列預(yù)測及高效微調(diào)技術(shù)。 進一步地,團隊在芬太尼和艾必克等小分子結(jié)合蛋白質(zhì)口袋設(shè)計任務(wù)中進行了驗證,并與新晉諾貝爾獎得主David Baker教授實驗室的生成模型RFDiffusion、RFDiffusionAA等進行比較,驗證了PocketGen的有效性。另外,還將PocketGen產(chǎn)生的注意力矩陣與基于第一性原理和力場模擬分析軟件得到的結(jié)果進行對比展示,表明基于深度學(xué)習(xí)的PocketGen具有較好可解釋性(圖2)。 圖2. 左側(cè)圖為薛定諤軟件分析的蛋白質(zhì)-小分子相互作用關(guān)系圖。在右側(cè)展示的是PocketGen兩個注意力矩陣頭的熱圖,與左側(cè)相互關(guān)系成功對應(yīng)上。 該工作推進了深度生成模型用于功能蛋白質(zhì)設(shè)計,為進一步理解蛋白質(zhì)設(shè)計規(guī)律并開展生物實驗驗證奠定了基礎(chǔ),也展現(xiàn)了人工智能方法在解決藥物研發(fā)和生物工程領(lǐng)域重要科學(xué)問題上的優(yōu)勢。 中國科學(xué)技術(shù)大學(xué)為本文第一單位,計算機科學(xué)與技術(shù)學(xué)院博士生張載熙為本文第一作者,劉淇、Marinka Zitnik為本文共同通訊作者。本研究得到了中國科大陳恩紅教授、劉海燕教授等的寶貴建議,以及首屆國家自然科學(xué)基金青年學(xué)生基礎(chǔ)研究項目(博士生)、中國科學(xué)技術(shù)大學(xué)優(yōu)秀博士生出國交流支持計劃和中央高?蒲袉咏(jīng)費等資助。 論文鏈接:https://www.nature.com/articles/s42256-024-00920-9 (認(rèn)知智能全國重點實驗室、計算機科學(xué)與技術(shù)學(xué)院、人工智能與數(shù)據(jù)科學(xué)學(xué)院) |

| 1 | 1/1 | 返回列表 |
| 最具人氣熱帖推薦 [查看全部] | 作者 | 回/看 | 最后發(fā)表 | |
|---|---|---|---|---|
|
[考研] 085600,一志愿鄭州大學(xué),280分求調(diào)劑 +3 | Wuqi725 2026-03-05 | 3/150 |
|
|---|---|---|---|---|
|
[考研] 歡迎采礦、地質(zhì)、巖土、計算機、人工智能等專業(yè)的同學(xué)報考 +10 | pin8023 2026-02-28 | 13/650 |
|
|
[考研] 招調(diào)劑 +5 | 帆船哥 2026-03-04 | 7/350 |
|
|
[考研] 306求調(diào)劑 +3 | Bahati 2026-03-05 | 3/150 |
|
|
[考研] 283求調(diào)劑 +10 | 鹿沫笙 2026-03-02 | 11/550 |
|
|
[考研] 中國科學(xué)技術(shù)大學(xué)材料與化工281求調(diào)劑,有科研和獲獎經(jīng)歷 +11 | wsxw 2026-03-02 | 12/600 |
|
|
[考研] 281電子信息求調(diào)劑 +5 | jhtfeybgj 2026-03-02 | 9/450 |
|
|
[考研] 085600材料與化工(高分子)290分求調(diào)劑 +8 | wengyujian 2026-03-04 | 8/400 |
|
|
[考研] 316求調(diào)劑 +3 | 林小星發(fā)大財 2026-03-04 | 3/150 |
|
|
[考研] 材料學(xué)碩080500復(fù)試調(diào)劑294 +3 | 四葉zjz 2026-03-04 | 3/150 |
|
|
[考研] 266求調(diào)劑 +7 | 哇塞王帥 2026-03-03 | 7/350 |
|
|
[考博] 26申博 +5 | north, 2026-02-28 | 5/250 |
|
|
[考研] 267求調(diào)劑 +6 | 釣魚佬as 2026-03-02 | 6/300 |
|
|
[考研] 271求調(diào)劑 +4 | Ricardo1113 2026-03-02 | 4/200 |
|
|
[考研] 化工京區(qū)271求調(diào)劑 +7 | 11ing 2026-03-02 | 7/350 |
|
|
[考研] 11408,學(xué)碩276求調(diào)劑 +3 | 崔wj 2026-03-02 | 5/250 |
|
|
[考研] 321求調(diào)劑一志愿東北林業(yè)大學(xué)材料與化工英二數(shù)二 +5 | 蟲蟲蟲蟲蟲7 2026-03-01 | 9/450 |
|
|
[考研] 材料284求調(diào)劑,一志愿鄭州大學(xué)英一數(shù)二專碩 +15 | 想上岸的土撥鼠 2026-02-28 | 15/750 |
|
|
[考研] 290求調(diào)劑 +9 | 材料專碩調(diào)劑; 2026-02-28 | 11/550 |
|
|
[考研] 295復(fù)試調(diào)劑 +3 | 簡木ChuFront 2026-03-01 | 3/150 |
|