主要观点总结
本文主要介绍了一种基于深度学习和几何信息的全原子蛋白质序列设计方法GeoSeqBuilder。该方法能够设计出新序列，同时预测蛋白质侧链构象，而不需要进行单序列结构预测。此方法在自然蛋白质结构、全新设计结构和酶的序列设计中获得了高实验成功率，且生成的序列具有可溶性好、表达量和热稳定性高等特点。文章还介绍了GeoSeqBuilder的研究背景、方法、模型框架、实验验证和讨论。
关键观点总结
关键观点1: 蛋白质序列设计的重要性及研究现状
全新蛋白质序列设计是蛋白质工程中的关键问题之一，近年来随着深度学习方法和技术的发展，取得了重要进展，但仍存在挑战，如未考虑蛋白质侧链的原子细节信息等。
关键观点2: GeoSeqBuilder方法的介绍及特点
GeoSeqBuilder是一种全原子蛋白质序列设计的深度学习算法，能够生成序列并预测高精度的侧链构象，更直接地给出原子间的相互作用。该方法在多个实验验证中表现出高成功率，生成的序列具有多种特性，如可溶性好、表达量和热稳定性高等。
关键观点3: GeoSeqBuilder的应用与实验验证
文章通过多个实验验证了GeoSeqBuilder的有效性，包括硫氧还原蛋白和全新幻想的螺旋束骨架的序列设计，以及谷胱甘肽过氧化物酶的核心区域设计。这些实验验证了GeoSeqBuilder在保持蛋白质折叠结构正确性的同时，能够设计出新的疏水核心。
关键观点4: GeoSeqBuilder的意义和影响
GeoSeqBuilder的发展为蛋白质工程和蛋白质序列结构关系研究提供了新的视角，不仅具有科学意义，还有实际应用价值。该方法的开源和作者们的贡献也为相关研究提供了重要资源。
文章预览
针对蛋白质结构骨架的序列设计是全新蛋白质设计中的关键问题之一。近年来，随着深度学习方法和技术的发展，全新蛋白质序列设计取得了重要进展。其中代表性的工作包括ProteinMPNN，ABACUS-R，ProDesign-LE等，都在序列设计中取得了重要进展，并进行了相应的实验验证。然而，这些代表性的方法均没有考虑蛋白质侧链的原子细节信息。一方面，蛋白质侧链构象对蛋白质执行功能具有重要作用。另一方面，大量的序列设计算法依赖结构预测来评估设计序列的可靠性，而单序列结构预测依旧是一个非常大的挑战。 近期，北京大学来鲁华/张长胜团队发展了 全原子蛋白质序列设计的深度学习算法GeoSeqBuilder ，这一成果近期发表于Angewandte Chemie ，文章初稿2024年3月以预印本形式发表。 GeoSeqBuilder在生成序列的同时，也给出了高精度的侧链构象，可以更直接给出
………………………………
