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”。