文献分享| Nature Methods: 使用 LigandMPNN 的原子环境条件蛋白序列设计
YaolabHNU
2025-04-10 18:12
文章摘要
本文介绍了David Baker团队开发的一种基于深度学习的蛋白质序列设计方法LigandMPNN。该方法针对小分子、核苷酸和金属离子的蛋白质序列设计，显著优于传统的Rosetta和ProteinMPNN方法。LigandMPNN不仅能生成序列，还能生成侧链构象，已成功设计出100多种经实验验证的小分子和DNA结合蛋白。文章详细阐述了LigandMPNN的模型架构、计算机评估和实验验证结果，并展望了其在蛋白质设计领域的广泛应用前景。
本站注明稿件来源为其他媒体的文/图等稿件均为转载稿，本站转载出于非商业性的教育和科研之目的，并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题，请作者速来电或来函联系。
推荐文献
Scaling a foundational protein language model to 100 billion parameters.
DOI: 10.1038/s41592-025-02637-y
Pub Date : 2025-04-03
Bringing Histidine Phosphorylation into Light: Role of Chemical Tools.
DOI: 10.1021/acschembio.5c00103
Pub Date : 2025-04-04
Concentration-Dependent CsrA Regulation of the <i>uxuB</i> Transcript Leads to Development of a Post-Transcriptional Bandpass Filter.
DOI: 10.1021/acssynbio.4c00668
Pub Date : 2025-04-09
YaolabHNU
Yaolab“树洞”环节.
2025-04-06
最新文章
京公网安备 11010802042870号
