近日，中国科学技术大学认知智能全国重点实验室教授刘淇指导的博士研究生张载熙，联合美国哈佛大学医学院教授Marinka Zitnik课题组，设计了基于图表示学习和蛋白质语言模型的深度生成算法PocketGen，生成了与小分子结合的蛋白质口袋序列和空间结构。实验验证显示，PocketGen在生成成功率和效率方面均超过传统方法。相关研究成果以Efficient Generation of Protein Pockets with PocketGen为题，发表在《自然-机器智能》（Nature Machine Intelligence）上。
研发适用于科学发现任务的人工智能算法如功能蛋白质设计是重要的研究方向。在药物发现和生物医疗领域，设计与小分子结合的功能蛋白质具有积极意义。而基于能量优化和模板匹配的传统方法计算速度慢、成功率低。基于深度学习的模型存在分子-蛋白质复杂相互作用建模难、序列-结构依赖关系学习难等问题。因此，亟待发展高效、高成功率且能够准确反映物理化学规律的蛋白质口袋生成算法。
该团队在前期蛋白质口袋生成工作FAIR和PocketFlow的基础上，研发出PocketGen。PocketGen可以基于蛋白质框架和结合小分子生成蛋白质口袋序列和结构。PocketGen主要由双层图Transformer编码器和蛋白质预训练语言模型组成。受蛋白质固有的层级结构启发，双层图Transformer编码器包括氨基酸层级编码器和原子层级编码器，学习不同细粒度的相互作用信息，更新氨基酸/原子表示和坐标。在蛋白质预训练语言模型中，PocketGen高效微调ESM2模型，辅助氨基酸序列预测。具体方法为PocketGen固定大部分模型层不变，仅微调部分适应层参数，计算序列-结构信息交叉注意力，增强序列-结构一致性。实验显示，PocketGen模型亲和力和结构合理性等指标超过传统方法，在计算效率方面亦有大幅提高。
进一步，该研究在芬太尼和艾必克等小分子结合蛋白质口袋设计任务中进行验证，并与生成模型RFDiffusion、RFDiffusionAA等比较，验证了PocketGen的有效性。同时，研究将PocketGen产生的注意力矩阵与基于第一性原理和力场模拟分析软件得到的结果进行对比展示，发现基于深度学习的PocketGen具有较好可解释性。
上述成果推进了深度生成模型用于功能蛋白质设计，为进一步剖析蛋白质设计规律并开展生物实验验证奠定了基础，展现了人工智能方法在解决药物研发和生物工程领域重要科学问题方面的优势。
研究工作得到国家自然科学基金等的支持。
论文链接
（a）利用PocketGen进行蛋白质序列-结构共同设计；（b）双层图Transformer编码器；（c）蛋白质预训练语言模型用于序列预测及高效微调技术
左侧为薛定谔软件分析的蛋白质-小分子相互作用关系图；右侧是PocketGen两个注意力矩阵头的热图，与左侧相互关系成功对应。
约翰·霍普克罗夫特 ■约翰·霍普克罗夫特 编者按 作为中国高等教育界的老朋友，早在2011年，图灵奖得主约 近日，教育部联合国家卫生健康委、国家疾控局印发《关于切实抓牢幼儿园和小学近视防控关键阶段防控工作的通知》（以下简称《通知》），要求前移防控关口，抓牢幼儿园和小学近视防控关键阶段防控工作，有效减少幼儿和小学生近 中国教育报-中国教育新闻网讯（记者 程墨 通讯员 张伟 马颖颖 丁红伟）为推进“南水北调”水源地学校建设，近日，北京市海淀区教委与湖北丹江口市教育局举行“结对共建学校”签约及授牌仪式，北京市一 2024年11月8日，十四届全国人民代表大会常务委员会第十二次会议表决通过《中华人民共和国学前教育法》，自2025年6月1日起施行。学前教育是国民教育体系的组成部分，是重要的社会公益事业，关系到亿 ◎摘 要 加大对学生的认知规律和接受特点的研究，发挥学生主体性作用，对推动思政课建设内涵式发展，不断提高思政课的针对性和吸引力具有重要意义。思政课的传统教学方式在大学生心理接受方面存 中国教育报-中国教育新闻网讯（记者 任朝霞）10月30日，2024年世界职业院校技能大赛总决赛争夺赛（高职组）农林牧渔赛道园林景观设计与施工赛项在上海农林职业技术学院实训基地闭幕。来自全国58所职业 。本文链接：科学家设计出基于图表示学习和蛋白质语言模型的深度生成算法http://www.sushuapos.com/show-12-501-0.html
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。
上一篇： 科学家制备出新型硅酸盐沸石分子筛
下一篇： 空间引力波探测信号识别研究获进展