Sep, 2023

增强力学性能的蜘蛛丝蛋白序列的生成模型、设计和分析

PDF
TL;DR利用定制生成式大语言模型，为蛛丝蛋白序列的设计提供可能，以满足复杂的目标力学特性组合，拓展蛛丝样本库，建立合成蛛丝设计和优化的基础。
spider silksmechanical propertiesgenerative large-language modelprotein sequencessilk design
发现论文，激发创造
  • ForceGen: 基于非线性力学展开响应的蛋白质语言扩散模型的端到端全新蛋白质生成

    通过深度学习的生成模型，预测蛋白质设计以满足复杂的非线性力学特性设计目标，并通过分子模拟验证展示出设计的蛋白质在力学性质方面的新颖性和达到的目标力学特性，为探索巨大的力学生物学蛋白质序列空间提供了快速的途径。

    Oct, 2023

  • 利用生成深度学习和增材制造建模设计异质分层仿生蜘蛛网结构

    我们使用深度学习模型基于关键几何参数来建模和合成人工的、仿生的三维蛛网结构，生成的模型能成功地构建满足设计目标的图形并大规模地将其组装成不同形态的结构。

    Apr, 2023

  • 演化基因规划树模型用于预测绿色纤维力学性能，以改进生物复合材料

    使用创新的进化遗传程序树模型，基于多种固有的化学和物理特性，预测天然纤维的力学性能，以提高以人工智能为基础的预测整体力学性能，促进开发更好的绿色复合材料应用于各种工业应用。

    Feb, 2024

  • 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

  • 利用深度生成模型进行蛋白质序列设计

    该论文综述了近期将机器学习应用于蛋白质序列优化的发展，重点介绍了深度生成方法对这一过程的促进作用。

    Apr, 2021

  • ProGen: 蛋白质生成的语言建模

    利用 1.2B 的参数语言模型 ProGen，将蛋白质工程视为无监督的序列生成问题，以此利用缺乏昂贵结构注释的蛋白质的日益增长的集合，从而生成出更具有进化多样性的序列，为解决合成生物学、医学和材料科学等领域的根本问题提供了可能。

    Mar, 2020

  • 可控蛋白质序列设计的生成式人工智能：综述

    通过综述最新的生成式人工智能在可控蛋白序列设计方面的进展，本文提出了蛋白质工程、生成式人工智能、蛋白序列设计、优化算法和研究机会等关键词，以及未解决的挑战。

    Feb, 2024

  • 基于属性导向的生成建模技术，用于不平衡数据下的鲁棒模型设计

    该研究提出了一种基于属性引导变分自编码器的模型优化技术来设计具有期望性质的蛋白序列，并在实验与半合成蛋白质数据集上进行了全面的基准测试，表明该技术具有鲁棒性，能够有效地应对实验结果不够均衡的问题。

    May, 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

  • 少样本蛋白生成

    本文提出了基于 MSA 的蛋白质变换器，是一种基于多序列比对的蛋白质序列生成模型，能够准确地建模表观效应和插入缺失，并且相比已有的基于专用家族模型的方法，其泛化性能更好，尤其在 MSAs 很小的情况下表现出色，能够精确推断和高效采样。

    Apr, 2022