NeurIPS 2024｜AlphaFold结合流匹配生成蛋白质系综

文章预览

DRUG AI 今天为大家介绍的是来自Tommi Jaakkola团队的一篇论文。蛋白质的生物学功能通常依赖于动态结构系综。在这项工作中，作者开发了一种基于流的生成模型方法，用于学习和采样蛋白质的构象景观。作者将AlphaFold和ESMFold等高精度的单态预测器重新利用，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。在PDB上训练和评估时，该方法在精度和多样性上比AlphaFold的MSA子采样方法有显著优势。在对全原子MD的集合进行进一步训练后，该方法能够准确捕捉未见蛋白质的构象灵活性、位置分布和更高阶的系综观测值。此外，该方法可以通过更快的时间收敛于某些平衡特性，将静态PDB结构多样化，展示了其作为昂贵物理模拟代理的潜力。 代码可在https://github.com/bjing2016/alphaflow获取。 尽管AlphaF ………………………………