Nat Methods｜David Baker团队：新型AI蛋白设计模型LigandMPNN

本文介绍了David Baker团队在Nature Methods期刊上发表的新型深度学习方法LigandMPNN。该方法解决了传统蛋白质设计方法（如Rosetta）耗时且无法精准处理蛋白质与非蛋白成分相互作用的局限性，以及现有深度学习模型（如ProteinMPNN）无法纳入非蛋白原子和分子的不足。LigandMPNN通过全局感知的分子图谱、高效侧链建模以及数据增强与泛化能力三大创新，显著提升了蛋白质设计的性能。实验数据表明，LigandMPNN在小分子、金属离子和核苷酸相互作用的氨基酸残基天然主链序列恢复方面优于Rosetta和ProteinMPNN。此外，LigandMPNN已被成功用于设计超过100种经实验验证的小分子和DNA结合蛋白，展示了其在药物开发、生物传感器和合成生物学等领域的广泛应用前景。