研究前沿：Science-深度学习，实现蛋白质折叠
1972 年，安芬森因证明蛋白质的氨基酸序列，与其三维结构之间的联系，而获得诺贝尔奖。自 1994 年以来，科学家们参加了两年一次的结构预测关键评估 (CASP) 蛋白质折叠挑战。深度学习方法，在 CASP14 上占据中心位置，DeepMind 的 Alphafold2 实现了卓越的准确性。今日，华盛顿大学David Baker团队联合多家团队，在Science上发文，探索基于 DeepMind 框架的网络架构。利用用三轨网络同时处理序列、距离和坐标信息，并达到接近 DeepMind 的精度。RoseTTA 折叠方法，可以解决具有挑战性的 X 射线晶体学和冷冻电子显微镜建模问题，并生成蛋白质-蛋白质复合物的准确模型。
图为网络架构和性能。（图源：Science）
使用 RoseTTAFold 进行实验结构测定（图源：Science）
RoseTTAFold 模型提供对功能的洞察（图源：Science）
使用 RoseTTAFold 进行复杂结构预测（图源：Science）
文献链接：https://science.sciencemag.org/content/373/6557/871
DOI: 10.1126/science.abj8754
本文译自“Science”。