深度学习之蛋白质结构预测
基于深度学习的蛋白质结构预测是利用深度学习模型来预测蛋白质的三维结构，这在生物学和药物研发领域具有重要意义。蛋白质的功能在很大程度上取决于其三维结构，准确预测蛋白质结构可以帮助科学家理解蛋白质的功能和相互作用，并加速药物发现的进程。 1. 蛋白质结构预测的挑战 结构的复杂性：蛋白质由20种不同的氨基酸按特定顺序连接而成，形成复杂的三维结构。结构的多样性和复杂性增加了预测的难度。 ...
深度学习进阶篇7：Transformer模型长输入序列、广义注意力、FAVOR+快速注意力、蛋白质序列建模实操。
深度学习进阶篇[7]：Transformer模型长输入序列、广义注意力、FAVOR+快速注意力、蛋白质序列建模实操。 基于Transformer模型在众多领域已取得卓越成果，包括自然语言、图像甚至是音乐。然而，Transformer架构一直以来为人所诟病的是其注意力模块的低效，即长度二次依赖限制问题。随着输入序列长度的增加，注意力模块的问题也越来越突出，算力和内存消耗是输入序列长度的平方。 ...
科学家使用Summit超级计算机和深度学习来预测基因组规模的蛋白质功能
随着高性能计算 (HPC) 的出现，促使计算生物学成为不断创新和加速成熟的科学学科。近年来，机器学习领域也从 HPC 的实践应用中受益匪浅。研究人员使用 ORNL 的 Summit 超级计算机以及 Google 的 DeepMind 和乔治亚理工学院开发的工具，以加快准确识别生物体整个基因组中蛋白质结构和功能的速度。该团队最近发布了高性能计算工具包及其在 Summit 上的部署的详细信息。他们提....
深度学习预测蛋白质-蛋白质相互作用
编辑 | 萝卜皮塔夫茨大学的 Lenore Cowen 教授和麻省理工学院的研究人员合作设计了一种基于神经语言建模的最新进展的结构驱动的深度学习方法。该团队的深度学习模型称为 D-SCRIPT，能够从初级氨基酸序列预测蛋白质 - 蛋白质相互作用 (PPI)。研究人员结合神经语言建模和结构驱动设计的进步来开发 D-SCRIPT，这是一种可解释且可推广的深度学习模型，它仅使用其序列来预测两种蛋白质之....
Science：深度学习建模，AI巧手设计特定蛋白质
新智元报道 编辑：Joey 如願【新智元导读】蛋白质设计最近风头正盛，这不又来了新作品，华盛顿大学的研究人员开发了两种深度学习算法可预设计特定功能的蛋白质。蛋白质是构成生命的基石，而如何快速、准确地确定蛋白质的三维空间结构，在生命科学领域一直是个难题。 复杂的蛋白质结构 图源：science而现在研究人员利用全蛋白质组氨基酸协同进化分析和基于深度学习的结构建模，....
Nat. Commun. | 可多层次预测多肽-蛋白质相互作用的深度学习框架
本次报道的论文来自清华大学的曾坚阳老师团队发表在nature communications上的A deep-learning framework for multi-level peptide–protein interaction prediction。文章提出了一个可多层次预测多肽-蛋白相互作用的深度学习框架(CAMP)。该模型包括二元多肽-蛋白相互作用预测和相应的多肽结合残基鉴定，通过综合....
Nat.Commun. | DeepAccNet：基于深度学习的准确性估计改善蛋白质结构优化
今天给大家介绍的是华盛顿大学蛋白质设计研究所所长，著名的蛋白质设计天才科学家David Baker课题组发表在Nature Communications上的一项工作。在这项工作中，作者提出了一个深度学习框架DeepAccNet，用于估计蛋白质模型中每个残基的准确性和残基-残基距离中的符号错误，并使用这些预测来指导Rosetta蛋白质结构优化。在Rosetta改进方案的多个阶段中，加入准确性预测，....
Nat. Mach. Intel. | 深度学习连提取冷冻电镜图蛋白质动力学信息都搞定了！
今天给大家介绍日本京都大学大学院医学研究科医学部教授Yasushi Okuno团队近期发表在nature machine intelligence上的关于如何利用深度学习技术DEFMap直接提取冷冻电镜密度图中蛋白质动态信息的文章。DEFMap仅使用低温冷冻电镜密度数据，获得了与分子动力学模拟和实验方法数据高度相关的动力学信息。此外，DEFMap成功地检测到与分子识别相关的动力学变化。DEFMa....
Nature Methods | 深度学习蛋白质三维结构
nature methods副主编，Arunima Singh，3月4日在nature methods上发表文章，探讨了基于深度学习的蛋白质结构预测方向近期的研究进展。蛋白质结构预测是近几十年来的研究热点，理论方法使人们深入了解了实验难以处理的蛋白质结构。同时，随着测定蛋白质结构的实验方法的改进，大量高质量蛋白质结构数据可供研究，提高了训练数据的质量和预测算法的准确性。最终的研究目标是利用蛋白质....
Nat. Commun | 预测RNA-蛋白质结合偏好的深度学习框架
1. 研究背景RNA与蛋白质之间的相互作用在转录后的调节中起重大作用，因此需对RNA-蛋白质（RBP）之间的结合进行预测，但是实验手段的应用难以广泛开展。结构生物学实验只能检测某一个特定RNA与蛋白间的相互作用，而不能提供统计意义上的结合偏好的信息。而assay的方法可以提供结合的亲和力，但是没有办法抓住具体的结构上的结合构象的差异和细节。基于计算的手段由于具有高通量高效率的优点，正受到越来越多....
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。
智能引擎技术
AI Online Serving，阿里巴巴集团搜推广算法与工程技术的大本营，大数据深度学习时代的创新主场。
+关注