Feb, 2024

AlphaFold 与流匹配相遇：生成蛋白质合集

PDF
TL;DR生物蛋白质的功能常依赖于动态结构集合，本研究通过开发一种基于流动的生成建模方法来学习和采样蛋白质的构象空间，利用 AlphaFold 和 ESMFold 等高精度单状态预测器进行改进，获得了名为 AlphaFlow 和 ESMFlow 的蛋白质结构的序列有条件的生成模型。在 PDB 上经过训练和评估时，我们的方法在精确性和多样性方面相比于具有 MSA 子采样的 AlphaFold 更具优势。当进一步在全原子 MD 的集合上进行训练后，我们的方法能够准确捕捉未知蛋白质的构象灵活性、位置分布和高阶集合观测量。此外，我们的方法可以使静态 PDB 结构多样化，并具有比复制的 MD 轨迹更快的收敛时间，展示了其作为昂贵的基于物理的仿真的替代品的潜力。
发现论文，激发创造
  • 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

  • 基于序列扩增的 SE (3)- 流匹配用于条件蛋白质背骨生成

    利用氨基酸序列的丰富生物归纳偏差，FoldFlow-2 是一种新颖的序列条件的 SE (3)- 等变流匹配模型，用于蛋白质结构生成，并通过在一个比以前的 PDB 数据集大一个数量级的新数据集上进行规模训练，改进了无条件生成的设计能力、多样性和新颖性，同时在平衡构象抽样任务上具有泛化性能。

    May, 2024

  • 蛋白质骨架生成的 SE (3)- 随机流匹配

    FoldFlow 是一系列基于流匹配范式的新型生成模型，通过流动匹配 3D 刚体运动（即群 SE (3)），实现对蛋白质主链的准确建模，具备比其他方法更稳定、更快速的训练能力，并可以将任何不变的源分布映射到 SE (3) 上的任何不变的目标分布。

    Oct, 2023

  • 蛋白质结构预测的精确折叠景观的少样本学习

    使用 EvoGen 元生成模型，结合 AlphaFold2 模型，使得利用少量多序列比对（MSA）系统的性能得到提高，从而精准低数据的蛋白质结构预测。

    Aug, 2022

  • 探索基于进化感知和无进化信息的蛋白质语言模型作为蛋白质功能预测器

    本文研究探讨了 ESM-1b、MSA-Transformer 和 Evoformer 等三种常用蛋白质语言模型的表征能力，重点关注 Evoformer 在蛋白功能预测方面的表现，旨在回答三个关键问题：（i）AlphaFold 中的 Evoformer 能否产生适合预测蛋白功能的表征？（ii）如果可以，Evoformer 能否取代 ESM-1b 和 MSA-Transformer？（iii）这些 PLMs 在多大程度上依赖于与进化有关的蛋白数据？在这方面，它们是否互补？通过实证研究和新的见解和结论进行比较。附有完整的代码和数据集，可供复现。

    Jun, 2022

  • 通过多序列比对改进蛋白质三级结构预测

    该研究利用语言生成模型 MSA-Augmenter 及大规模 MSA 技术，微调 AlphaFold2 蛋白质结构预测模型在缺乏同源家族数据库的情况下，生成补充性的未见过的蛋白质序列，从而提高蛋白质结构预测准确性。

    Jun, 2023

  • HelixFold-Single: 使用蛋白语言模型作为替代品进行无多序列比对蛋白质结构预测

    本研究提出了一种新的蛋白质结构预测方法 ——HelixFold-Single，它基于大规模蛋白质语言模型，将原始序列代替同源序列用于学习蛋白质序列的共同进化信息，并结合 AlphaFold2 的关键组件预测蛋白质原子的三维坐标，其在 CASP14 和 CAMEO 数据集中准确度表现良好，同时能够节省大量的计算时间。

    Jul, 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

  • 基于自上而下的机器学习法推导蛋白质粗粒度力场

    使用分子动力学仿真和可微重要性抽样训练神经网络势能，可以开发出准确和高效的蛋白质粗粒化表示方法，在预测蛋白质动力学、折叠和相互作用等方面具有重要应用价值。

    Jun, 2023

  • OpenProteinSet: 大规模结构生物学训练数据

    为了推动蛋白质的机器学习研究进展，我们介绍了一个开源数据集 OpenProteinSet，其中包含超过 1600 万个蛋白质多序列比对，与蛋白质数据库中的结构同源物和 AlphaFold2 蛋白质结构预测相对应，可广泛用于蛋白质结构、功能、设计以及大规模多模式机器学习研究的训练和验证数据。

    Aug, 2023