Nature子刊，快10倍，基于Transformer的逆向蛋白质序列设计方法

文章预览

将 ScienceAI   设为 星标 第一时间掌握 新鲜的 AI for Science 资讯 编辑 | 萝卜皮 借助深度学习的进步，蛋白质设计和工程正以前所未有的速度发展。然而，目前的模型无法在设计过程中自然地考虑非蛋白质实体。 在这里，瑞士洛桑联邦理工学院（EPFL）的研究人员提出了 一种完全基于原子坐标和元素名称的几何 transformer 的深度学习方法，该方法可以根据不同分子环境所施加限制的主链支架，预测蛋白质序列。 使用该方法，研究人员可以以高成功率生产出高热稳定性、催化活性的酶。这有望提高蛋白质设计流程的多功能性，以实现所需的功能。 该研究以「 Context-aware geometric deep learning for protein sequence design 」为题，于 2024 年 7 月 25 日发布在《 Nature Communications 》。 设计蛋白质以实现功能性任务是一个具有重大生物学、医学、生物技术和材料科学影响 ………………………………