【深度学习驱动的蛋白质设计技术与前沿实践-从基础到尖端应用】

本文主要是介绍【深度学习驱动的蛋白质设计技术与前沿实践-从基础到尖端应用】，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

RoseTTAFold，作为 David Baker 教授团队早期开发的蛋白质结构预测工具，在学术界与工
业界广受认可。然而，随着时间推移，仅局限于预测已知结构的蛋白质并不能满足生物医药和生
物工程领域对创新设计的需求。这促使 David Baker 教授团队继续深入研究突破。在此背景下，
RFdiffusion 应运而生，继承了 RoseTTAFold 的优良基因，但在功能上实现了质的飞跃，不仅能
够预测蛋白质结构，更能够从无到有地进行创新设计。这种“从零开始”的设计理念赋予科学家
们前所未有的设计自由度，这一突破不仅标志着蛋白质设计技术的重大进步，也意味着科研人员
可以更深入地探究生命现象的本质，甚至创造出全新的生物功能和应用
RFdiffusion
创新结构生成
技术
一、背景介绍
1、从蛋白质预测到蛋白质设计
2、结构生成过程中的物理能量函数与约束
3、基于Deep learning的预测模型和生成模型
4、结构验证与性能评估
二、RFdiffusion基于指定骨架的蛋白质结构设计
核心知识点：利用用户提供的特定结构框架进行蛋白质结构设计
应用案例：
1、无约束单体设计（contigmap）：全新骨架的蛋白质结构创新设计，通过RFdiffusion
实现从头生成新颖、非同源蛋白质结构
2、特定骨架引导设计 (scaffoldguided)：利用已有结构骨架指导蛋白质结构创新与改造
RFdiffusion
高级应用及
领域热点
三、RFdiffusion含活性位点的蛋白质结构设计
核心知识点：使用RFdiffusion构建具有特定生物活性的蛋白质结构
应用案例：
1、Motifscaffold: inference.input_pdb & contigmap.inpaint_seq：如何整合已知活性
位点信息，嫁接到设计的新蛋白质结构上
2、酶活位点嫁接，对称位点嫁接的设计策略与实施
四、蛋白质-蛋白质相互作用界面（PPI）：Binder设计
核心知识点：RFdiffusion设计能有效介导蛋白间相互作用的Binder区域
应用案例：
1、ppi.hotspots：识别和利用PPI热点信息来定制Binder结构
2、设计实例：针对指定骨架和/或特定motif的Binder结构创建
五、RFdiffusion中的对称性设计
核心知识点：阐述如何在蛋白质结构设计中考虑并实现对称性特征
应用案例：
1、Inference.symmetry: 对称性建模与控制
2、potentials：优化对称单元间的能量分布与稳定性
六、多样性
核心知识点：探究RFdiffusion在处理结构多样性上的机制和优势
应用案例：diffuser.partial_T：局部扩散与全局优化结合，提高结构多样性和稳健性、
RFdiffusion中的noise
ProteinMPNNL
七、ProteinMPNN序列设计入门igandMPNN 序
列设计基础与
高级应用
核心知识点：介绍ProteinMPNN的核心架构与训练过程，掌握ProteinMPNN和LigandMPNN在不
同场景下的蛋白质结构序列设计流程
应用案例：
1、Monomer单体序列设计：用ProteinMPNN针对单体蛋白质进行序列设计
2、Complex复合物zhong 指定链设计：利用ProteinMPNN在复合物环境下设计特定链的序
列，涉及链间相互作用的考虑与优化。
3、Models, Helper scripts, number of sequences：深入了解模型使用方法、辅助脚
本的功能以及决定生成序列数量的因素
ProteinMPNN
和LigandMPNN
序列设计基础
与高级应用
八、指定设计位点与氨基酸偏好性设置
核心知识点：在蛋白质设计中如何运用深度学习工具来精准控制特定氨基酸残基的位置与特
性
应用案例：
1、Fix position与Redesign position：保留某些部位不变（Fix position）和重新设
计其他部位（Redesign position）的具体操作。
2、Bias AA与Omit AA：在设计过程中如何设置氨基酸偏好性，包括优先选择某些氨基酸
（Bias AA）和排除特定氨基酸（Omit AA），以满足特定功能需求或生物物理化学特性。
RFdiffusion
与
ProteinMPNN
高级应用案例
分析
九、MPNN进阶应用
核心知识点：MPNN对称性处理与同聚多体设计、MPNN设计多样性与温度参数调控
应用案例：
1、MPNN处理对称性Symmetry：讲解MPNN如何识别和处理蛋白质的对称性特征，特别是对
于Homooligomers（同聚多体）的设计。
2、Tied position（绑定位置）：探讨MPNN在处理需要保持多个位置协同变化以维持特
定对称模式的情况下的具体方法。
3、MPNN设计多样性：探究MPNN如何通过温度参数调整来促进设计序列的多样性，以及多
样性对最终蛋白质功能和稳定性的影响。
RFdiffusion
在这里插入图片描述

讲师：由国家双一流、985 高校特聘研究员、博士生导师讲授。近五年发表 SCI 研究论文
20 余篇，获国际生物设计会议奖励(The International BioDesign Research Conference)。主持基
金委蛋白质设计相关项目和科技部重点研发计划课题多项。主要擅长分子设计、分子模拟方法研究。详情深度学习×蛋白质设计 | 发文章的秘诀都在这里了