文章预览
本文 约4000字 ，建议阅读 10 分钟 在 AI 技术带来的跨越式发展下，结构生物学领域正在变得更加充满活力。 麻省理工学院的研究团队重新利用 AlphaFold 和 ESMFold 等高精度的单态预测器，并在自定义流匹配 (Flow Matching) 框架下对其进行微调，以获得序列条件的蛋白质结构生成模型，称为 AlphaFLOW 和 ESMFLOW。 作为生物体的重要组成部分，蛋白质具有不同状态，基于集体运动或无序波动的不同结构组合，采用复杂的三维结构，来执行丰富的生物功能，例如，蛋白质构象变化对转运体、通道和酶的功能至关重要，而平衡组合的特性有助于控制分子相互作用的强度和选择性。 近年来，AlphaFold 等深度学习方法在蛋白质的单态建模上取得了巨大成功，却无法解释构象异质性。所以，对于结构生物学家而言， 如何在保障单一结构准确预测的同时，又能揭示潜在结构
………………………………
