自从 DeepMind 在 2020 年结构预测关键评估 (CASP14) 会议上展示了该领域的显着进展以来，科学家们已经等了几个月才能获得高度准确的蛋白质结构预测。现在已经结束了。
西雅图华盛顿大学医学院蛋白质设计研究所的研究人员在很大程度上重现了 DeepMind 在这项重要任务上的表现。这些结果将于7 月 15 日星期四由《科学》杂志在线发表。
与 DeepMind 不同，UW Medicine 团队的方法，他们称之为 RoseTTAFold，是免费提供的。来自世界各地的科学家现在正在使用它来构建蛋白质模型，以加速他们自己的研究。自 7 月以来，该程序已被 140 多个独立研究团队从 GitHub 下载。
蛋白质由折叠成复杂微观形状的氨基酸串组成。这些独特的形状反过来又引发了生物体内几乎所有的化学过程。通过更好地了解蛋白质形状，科学家们可以加快开发针对癌症、 和数千种其他健康疾病的新疗法。
“在蛋白质设计研究所，这是忙碌的一年，设计 疗法和疫苗并将其投入临床试验，同时开发用于高精度蛋白质结构预测的 RoseTTAFold。我很高兴科学界已经在使用RoseTTAFold 服务器来解决突出的生物学问题，”资深作者、华盛顿大学医学院生物化学教授、霍华德休斯医学研究所研究员、蛋白质设计研究所所长大卫贝克说。
在这项新研究中，由 Baker 领导的一组计算生物学家开发了 RoseTTAFold 软件工具。它使用深度学习根据有限的信息快速准确地预测蛋白质结构。如果没有此类软件的帮助，可能需要数年的实验室工作才能确定一种蛋白质的结构。
另一方面，RoseTTAFold 可以在一台游戏计算机上在短短十分钟内可靠地计算出蛋白质结构。
该团队使用 RoseTTAFold 计算了数百种新的蛋白质结构，包括许多来自人类基因组的知之甚少的蛋白质。他们还生成了与人类健康直接相关的结构，包括与有问题的脂质代谢、炎症障碍和癌细胞生长相关的蛋白质的结构。他们表明，RoseTTAFold 可用于在以前所需时间的一小部分内构建复杂生物组件的模型。
RoseTTAFold 是一个“三轨”神经网络，这意味着它同时考虑蛋白质序列中的模式、蛋白质的氨基酸如何相互作用以及蛋白质可能的三维结构。在这种架构中，一维、二维和三维信息来回流动，从而使网络能够共同推理蛋白质的化学部分与其折叠结构之间的关系。
标签： 蛋白质
免责声明：本文由用户上传，如有侵权请联系删除！