Nat Biotechnol|新加坡国立大学张阳团队:深度学习与物理模拟驱动的蛋白质结构预测新方法

智药邦 2025-07-08 08:00
文章摘要
背景:蛋白质结构预测对新药开发和酶设计等生物技术领域至关重要。近年来,AlphaFold2等深度学习方法取得显著进展,但在处理复杂多结构域蛋白质和同源模板稀缺的蛋白质时仍面临挑战。研究目的:新加坡国立大学张阳团队开发了D-I-TASSER方法,结合深度学习和物理模拟,以提高蛋白质结构预测的精度和多样性。结论:D-I-TASSER在单结构域和多结构域蛋白质预测中表现出色,超越了AlphaFold2/3等现有方法,尤其在CASP15盲测中表现优异。然而,该方法仍依赖MSA深度且计算成本较高,未来需进一步优化以扩展应用范围。
Nat Biotechnol|新加坡国立大学张阳团队:深度学习与物理模拟驱动的蛋白质结构预测新方法
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
Pub Date : 2025-07-03
IF 5.2 3区 工程技术 Q2 Energy & Fuels
Senolytics under scrutiny in the quest to slow aging
DOI: 10.1038/s41587-025-02740-7 Pub Date : 2025-07-03
IF 46.9 1区 生物学 Q1 Nature biotechnology
智药邦
最新文章
热门类别
相关文章
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:604180095
Book学术官方微信