ICLRJun, 2022

蛋白质主干在三维中的概率扩散建模：用于基序支架问题

PDF
TL;DR利用 E (3)- 等变图神经网络学习分布并通过 SMCDiff 有效地从大量的蛋白质背骨结构中对指定基序进行条件采样构造支架结构，可在保证结构多样性的情况下采样长达 80 个氨基酸残基长度的支架，同时对于固定的基序可获得多样性的构架结构。
scaffold structureprotein functionmachine-learning techniquesgraph neural networkalphafold2
发现论文，激发创造
  • 一种用于条件扩散建模的框架及其在蛋白设计中的应用

    通过统一条件训练和条件采样程序，本文基于数学上理解的 Doob 的 h 转换方法提出了一个新的视角，揭示了现有方法之间的联系，并提出了一种新的改进方法，通过在图像外延和结构基元搭建方面的实验证明了其有效性。

    Dec, 2023

  • 通过蛋白质折叠扩散生成蛋白结构

    本研究介绍了一种新的基于扩散的生成模型，通过模拟蛋白质的折叠过程，使用一系列连续角度来生成新的蛋白质骨架结构，通过简单的 transformer 骨干训练出高质量的蛋白质结构，并开源了对应的代码库和训练模型。

    Sep, 2022

  • 基于 SE (3) 流匹配的改进图案框架

    蛋白质设计中，基于模体的脚手架技术用于构建功能性蛋白质，但生成的脚手架缺乏结构多样性，限制了湿实验验证的成功。本研究通过两种互补方法，在使用 FrameFlow 进行脚手架设计时实现了较高成功率和更多结构多样性的脚手架生成。

    Jan, 2024

  • 多图范式支撑的浮动锚扩散模型

    浮动锚扩散（FADiff）模型用于构建蛋白质的结构，使其具有所需的基序，以实现疫苗和酶的设计。FADiff 模型可以让基序在扩散过程中自由浮动，从而保证基序的存在并自动设计基序位置。

    Jun, 2024

  • 学习使用结构基元扩展分子支架

    本文提出了一种基于图形的 MoLeR 模型，支持框架作为初始生成过程的种子，能够在没有生成历史的条件下快速训练和采样，而且在定向分子优化任务上表现优异。

    Mar, 2021

  • 使用等变去噪扩散概率模型生成蛋白质结构与序列

    本文引入了一种生成模型，旨在设计具有特定 3D 结构和化学性质的蛋白质，以实现特定的功能。通过实验数据全面学习，该模型可生成全原子骨架构象以及序列和侧链预测，实现了分子生成建模方法的显著扩大。

    May, 2022

  • 蛋白质结构生成的潜扩散模型

    本研究提出了一种潜在的扩散模型，该模型可以在凝聚的潜在空间中灵活捕捉天然蛋白质结构的分布，从而通过等变蛋白自编码器生成高可设计性和高效率的新型蛋白质骨架结构。

    May, 2023

  • EigenFold: 基于扩散模型的生成蛋白质结构预测

    使用 EigenFold 这种扩散生成建模框架，以从给定蛋白质序列中生成结构的分布，更全面地了解模型不确定性，并评估 EigenFold 对于建模和预测折叠转换蛋白质和配体诱导构象变化的能力，该方法在最近的 CAMEO 目标中实现了中位 TMScore 为 0.84，可以更好地捕捉构象情况下的生物学功能。

    Apr, 2023

  • 逆蛋白质折叠的图形去噪扩散

    提出了一种新颖的图去噪扩散模型，使用氨基酸替代矩阵对扩散过程进行编码，并在多种基准方法中实现了最先进的序列恢复性能，为特定的蛋白质骨架结构生成多样性的蛋白序列具有极大的潜力。

    Jun, 2023

  • 众志成城：用 Genie 2 在结构宇宙的规模上设计和搭建蛋白质

    Genie 2 是一种扩展了 Genie 模型来捕捉更大、更多样的蛋白质结构空间的蛋白质扩散模型。在无条件和有条件生成方面，Genie 2 在设计能力、多样性和创新等关键设计指标上均表现出了最先进的性能，同时解决了更多的基于模体脚手架的问题，并提供了更多独特且多样的解决方案，从而为基于结构的蛋白质设计设定了新的标准。

    May, 2024