主要观点总结
本文介绍了谷歌DeepMind团队发布的AlphaProteo系统，用于设计出全新的binder。该系统包括生成模型和过滤器两部分，能够生成候选设计并进行评分。文章详细描述了AlphaProteo的设计过程、实验验证、实验成功率、结合亲和力、结构验证、功能验证以及展望。
关键观点总结
关键观点1: AlphaProteo系统概述
AlphaProteo由生成模型和过滤器两部分组成，生成模型基于蛋白质数据库的结构和序列数据以及AlphaFold预测结果，过滤器则对生成的候选设计进行评分和预测实验成功的可能性。
关键观点2: 实验验证
研究团队选择了8个目标蛋白进行实验验证，包括BHRF1、SARS-CoV-2刺突蛋白受体结合域等。实验成功率显著高于现有最佳方法。
关键观点3: 结合亲和力
研究人员测量了成功结合剂的解离常数（Kd），其中4个目标蛋白获得了亚纳摩尔级（< 1 nM）的Kd值，6个目标蛋白获得了< 10 nM的Kd值。
关键观点4: 结构验证与功能验证
研究人员使用冷冻电镜和X射线晶体学方法验证了设计结合剂的结构，并进行了功能验证实验，包括SARS-CoV-2中和试验和VEGF信号抑制试验。
关键观点5: 总结与展望
AlphaProteo在多个目标蛋白上展现出了优异的性能，能够直接获得低纳摩尔甚至亚纳摩尔级别的结合剂。未来的研究方向包括进一步提高AlphaProteo的性能，扩展其能力，攻克更具挑战性的目标等。
文章预览
2024年9月5日,谷歌DeepMind团队在一份技术报告中发布了AlphaProteo用于设计出全新的binder。 这次不仅没代码，生成模型架构都没了哈哈。 AlphaProteo系统概述 AlphaProteo由两个主要部分组成: 1. 生成模型:训练于蛋白质数据库(PDB)的结构和序列数据,以及大量AlphaFold预测结果。 2. 过滤器:对生成的候选设计进行评分,预测其实验成功的可能性。 设计过程如下: • 输入:目标蛋白的结构,可选择指定"热点"残基作为目标表位 • 输出:候选结合剂的结构和序列 • 生成大量设计候选,经过过滤后选择少量进行实验测试 实验验证 研究团队选择了8个具有不同结构特性的目标蛋白进行实验验证: 1. BHRF1(Epstein-Barr病毒蛋白) 2. SARS-CoV-2刺突蛋白受体结合域(SC2RBD) 3. 白细胞介素-7受体α(IL-7RA) 4. 程序性死亡配体1(PD-L1) 5. 原肌球蛋白受体激酶A(TrkA) 6. 白细胞介素-17A(IL-17A) 7. 血管内皮生长
………………………………
