Jan, 2023

基于三级结构生成的 RNA 设计

PDF
TL;DR通过细胞的 3D 生物大分子和人工智能技术的学习，RNA 的 Tertiary 结构建模是一个关键问题，该研究展示了该模型的有效性，有望在 RNA 的设计方面提供更大的帮助。
发现论文，激发创造
  • 使用基于 Transformer 的深度学习模型来进行 RNA 二级结构预测

    讨论了 RNA 和 RNA 的二级结构及其预测的基本概念，以及机器学习技术在预测生物大分子结构中的应用，并提出了基于 ResNet 的 RNA 三级结构预测算法和打分模型。

    Apr, 2024

  • SentRNA: 在计算 RNA 设计中，通过融入人类设计策略的先验知识进行改进

    通过将人类设计策略与机器学习相融合，我们提出了一种名为 SentRNA 的新型 RNA 设计算法，该算法使用全连接神经网络进行端到端训练，可以解决以前无法通过任何基于机器的方法解决的复杂问题，并在两个具有挑战性的测试集上实现了最新技术水平的性能。

    Mar, 2018

  • 学习设计 RNA

    提出了一种基于深度强化学习的 RNA 序列设计算法 ——LEARNA 和扩展版本 Meta-LEARNA。经实验证明，该方法在 RNA 设计方面具有新的最先进性能，且速度显著提高，同时具有较好的计算效率和普适性。

    Dec, 2018

  • RNAFlow: 通过逆向折叠流匹配的 RNA 结构和序列设计

    RNAFlow 是一种基于流动匹配模型的蛋白质条件下的 RNA 序列结构设计方法，通过集成 RNA 逆折叠模型和预训练的 RosettaFold2NA 网络生成 RNA 序列和结构，利用条件化的结构去噪网络简化了训练过程，并通过推断的构象集合对逆折叠模型进行增强，从而模拟动态的 RNA 构象。在蛋白质条件下的 RNA 结构和序列生成任务的评估中，证明了 RNAFlow 相对于现有 RNA 设计方法的优势。

    May, 2024

  • 基于几何多图神经网络的多状态 RNA 设计

    本文提出了 gRNAde，这是一个几何 RNA 设计流程，它基于一组 3D RNA 主干结构操作，以显式考虑和反映 RNA 弯曲多样性来进行设计，可以改善多状态和结构多样的 RNAs 的生产。

    May, 2023

  • rnaglib 中基于 3D 的 RNA 功能预测工具

    通过 rnaglib，我们使用 RNA 3D 结构数据集训练监督和无监督的机器学习模型来预测功能。

    Feb, 2024

  • 完整 RNA 反折叠：功能性锤头状核糖酶的计算设计

    本文介绍了使用最新算法 RNAiFold 设计生成的十种手锤式核酸酶以及一种更大人工核酸结构的组装体，利用动力学分析显示出它们的裂解速率与靶位氨基酸比熵，集团缺陷，结构灵活性 / 刚性等有关。这是有史以来第一次完全计算设计和实验验证新型功能核酸酶。

    Aug, 2014

  • 通过解释性变分自编码器生成三级蛋白质结构

    本文提出并评估了一种利用生成深度学习的图形生成模型，生成蛋白质的功能相关三维结构的替代方法，并评价了几种深层结构的全面评估。

    Apr, 2020

  • 可扩展的深度学习用于 RNA 次级结构预测

    基于轴向注意力和潜变量空间循环利用的 RNAformer 模型在 RNA 二级结构预测领域取得了突破性进展，超越了使用外部信息的方法，在 TS0 基准数据集上实现了最先进的性能，并实验证明 RNAformer 能够学习到 RNA 折叠过程的生物物理模型。

    Jul, 2023

  • 用于全新蛋白质设计的生成式人工智能

    利用人工智能等方法进行蛋白质工程和全新设计的研究方案，如生成模型和扩散过程，能够生成展现出所需特性和功能的全新而真实的蛋白质，在优先测试设计方案方面仍然面临一些挑战，因此需要综合生物化学知识提高性能和可解释性。

    Oct, 2023