加载失败，
Nature子刊，快10倍，基于Transformer的逆向蛋白质序列设计方法
Nature子刊，快10倍，基于Transformer的逆向蛋白质序列设计方法
2024年8月12日修改
附件不支持打印
加载失败，
编辑 | 萝卜皮
借助 深度学习 的进步，蛋白质设计和工程正以前所未有的速度发展。然而，目前的模型无法在设计过程中自然地考虑非蛋白质实体。
在这里，瑞士洛桑联邦理工学院（EPFL）的研究人员提出了一种完全基于原子坐标和元素名称的几何 transformer 的 深度学习 方法，该方法可以根据不同分子环境所施加限制的主链支架，预测蛋白质序列。
使用该方法，研究人员可以以高成功率生产出高热稳定性、催化活性的酶。这有望提高蛋白质设计流程的多功能性，以实现所需的功能。
该研究以「 Context-aware geometric deep learning for protein sequence design 」为题，于 2024 年 7 月 25 日发布在《 Nature Communications 》。
附件不支持打印
加载失败，