蛋白质专题
纳米材料咋设计？蛋白质模块咋用？看这里就知道啦！
大家好，今天我们来了解一项关于蛋白质纳米材料设计的研究——《Blueprinting extendable nanomaterials with standardized protein blocks》发表于《Nature》。蛋白质结构复杂，其组装体的设计颇具挑战。但近期的研究取得了新突破，通过设计标准化的蛋白质模块，如线性、曲线和转角模块等，实现了纳米材料的可扩展性和规律性。这
学术分享｜无惧数据匮乏！上海交大博士后周子宜详解蛋白质语言模型的小样本学习方法 FSFP
预训练蛋白质语言模型 (PLMs) 能够以无监督的方式学习数百万蛋白质中氨基酸序列的分布特征，在揭示蛋白质序列与其功能之间的隐含关系方面显示出了巨大的潜力。 在此背景下，上海交通大学自然科学研究院/物理天文学院/张江高研院/药学院洪亮教授课题组，联合上海人工智能实验室青年研究员谈攀，开发了一种针对蛋白质语言模型的小样本学习方法，能够在使用极少数湿实验数据的情况下大幅提升传统蛋白质语言模型的突变效
上海交大周冰心博士：锚定稀缺生物数据挑战，图神经网络重塑蛋白质理解与生成
8 月 12 日，上海交通大学 AI for Bioengineering 暑期学校正式开幕，吸引了来自国内外 30 余所高校和 27 家企业的百余名业内人士。在为期 3 天的学习交流中，多位行业专家、企业界代表及优秀青年学者，围绕 AI 与生物工程的融合与创新发展带来了深度分享。 12 日上午，上海交通大学自然科学研究院 & 上海国家应用数学中心（上海交通大学分中心）助理研究员周冰心以「人工智
韩国版AlphaFold？深度学习模型AlphaPPIMd：用于蛋白质-蛋白质复合物构象集合探索
在生命的舞台上，蛋白质扮演着不可或缺的角色。它们是生物体中最为活跃的分子，参与细胞的构建、修复、能量转换、信号传递以及无数关键的生物学功能。同时，蛋白质的结构与其功能密切相关，而它们的功能又通过与蛋白质、多肽、核苷酸以及各种小分子的复杂相互作用来实现。这种蛋白质-蛋白质相互作用 (PPI) 是细胞内许多生物过程的核心，从细胞信号传导到免疫反应，再到细胞周期的调控，无不涉及 PPI。 然而，人们目
免费生物蛋白质的类chatgpt工具助手copilot：小分子、蛋白的折叠、对接
参考： https://310.ai/copilot 可以通过自然语言通话晚上蛋白质的相关处理：生成序列、折叠等 应该是agent技术调用不同工具实现 从UniProt数据库中搜索和加载蛋白质。使用ESM Fold方法折叠蛋白质。使用310.ai基础模型设计新蛋白质。使用TM-Align方法比较蛋白质。利用ProteinMPNN模型进行蛋白质逆折叠。聚焦并可视化蛋白质结构的特定部分。生成报
表征和基于结构的蛋白质工程：黄芪特异性皂苷乙酰转移酶-文献精读14
Characterization and structure-based protein engineering of a regiospecific saponin acetyltransferase from Astragalus membranaceus 表征和基于结构的蛋白质工程：黄芪特异性皂苷乙酰转移酶，一篇乙酰基转移酶文章精读分享~ 摘要 乙酰化有助于许多具有药用重要性的天然
GIAT: 蛋白质结构预测的新利器
瑞典Karolinska研究院在瑞典政府赞助下由Ben Murrell等研究团队在AlphaFold 3最新报告后提出这篇论文提出了一种非常有趣和创新的方法来生成蛋白质骨架结构,称为生成式不变角度转换器(GIAT)。与现有的主要基于扩散模型和流匹配的方法不同,GIAT采用了类似于大型语言模型(如GPT)中使用的自回归方法,逐个氨基酸地生成蛋白质骨架。 这种自回归建模方法的主要优势和创新点包括:
开源AlphaFold3来啦！快来亲自尝试预测蛋白质结构！
引言 随着AlphaFold2的显著成就，DeepMind的AlphaFold3引发了科学界的广泛关注。尽管官方尚未开源AlphaFold3的代码，一些社区开发者已开始基于现有的科学论文尝试复现。本文将介绍如何使用一个名为AlphaFold3复现项目的GitHub代码仓库来进行蛋白质结构预测。 AlphaFold3简介 AlphaFold3是AlphaFold系列的最新迭代，它利用深度学习
成功案例（IF=7.3）| 转录组+蛋白质组+代谢组联合分析分析揭示胰腺癌中TAM2相关的糖酵解和丙酮酸代谢重构
研究背景 肿瘤的进展和发展需要癌细胞的代谢重编程，癌细胞能量代谢模式的改变可以满足快速增殖和适应肿瘤微环境的需要。肿瘤微环境（TME）中的代谢状态受到多种因素的影响，包括血管生成、与其他细胞的相互作用和系统代谢。代谢异质性可影响治疗效果，并可能预测临床结果。然而，很少有研究关注基于代谢异质性来区分亚型的方法。 胰腺癌（PAAD）是一种预后不良、死亡率高的恶性肿瘤。肿瘤相关巨噬细胞（TA
蛋白质PDB文件解析+建图（biopython+DGL）
PDB文件解析 PDB文件设计得非常好，能够比较完整地记录实验测定数据 读懂蛋白质PDB文件-腾讯云开发者社区-腾讯云 (tencent.com) 科学网—PDB文件格式说明 - 李继存的博文 (sciencenet.cn) 从蛋白质结构来看，首先它会有多种不同的测定模型，然后每个模型中包含多条链，每条连上包含若干个残基，每个残基包含若干个原子 在biopython.PDB包中可以找到这
AI大模型日报#0430：疑似GPT4.5模型刷屏、上交实现「蛋白质功能定向进化」、微软紧急撤回WizardLM-2
导读： 欢迎阅读《AI大模型日报》，内容基于Python爬虫和LLM自动生成。目前采用“文心一言”生成了今日要点以及每条资讯的摘要。 《AI大模型日报》今日要点： 在AI大模型领域，多项研究进展和行业应用动态引发关注。一夜之间，疑似一个GPT4.5的神秘模型刷屏。科学家Ellie Pavlick正致力于研究大语言模型中的理解证据，试图找到代表概念的神经网络部分，以推动语言模型领域向更直接的方法发
BERT一个蛋白质-季军-英特尔创新大师杯冷冻电镜蛋白质结构建模大赛-paipai
关联比赛: “创新大师杯”冷冻电镜蛋白质结构建模大赛 解决方案 团队介绍 paipai队、取自 PAIN + AI，核心成员如我本人IvanaXu(IvanaXu · GitHub)，从事于金融科技业，面向银行信用贷款的风控、运营场景。但我们团队先后打过很多比赛，其中跨领域居多，如天文、海洋，也非常有幸参加本次蛋白质结构建模大赛。我们将延续“他山之石，可以攻玉”的基本思想，这也将在后续方案
【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】
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
生物信息学入门 富集分析与蛋白质互作用网络（PPI）的可视化 Cystocape入门指南
网络图是生物信息学中常用的显示不同节点之间关联方向与关联程度的可视化方法。在富集分析中，网络图常被用于表示功能与估计到该功能的基因的联系。在蛋白质互作用网络中，网络图常用于表示编码基因之间的互作用类型与作用强度，基于这些信息，还可以通过某一节点与其他节点的连接数量来判断该节点在整个网络中的贡献度（degree）。绘制网络图常使用cystoscape软件，通过输入符合规范的数据，调整合适的参数，
蛋白质治病突变的计算方法（三）
3 用于识别致病突变的特征 文献中使用了几种特征来识别蛋白质中的致病突变。它们大致分为三类：(1)序列，(2)结构和(3)网络，以及它们的组合。图1说明了这三组中的一些重要属性。 图1 用于识别致病突变和热点的重要特征。 基于氨基酸序列的特性包括理化特性、二级结构、位置特异性得分矩阵(PSSM)、特异性基序（mo
蛋白质亚细胞定位预测（生物信息学工具-017）
直奔主题，下面这张表图怎么制作，一般都是毕业论文hh，蛋白质的亚细胞定位如何预测？ 01 方法 https://wolfpsort.hgc.jp/ #官网小程序，简单好用，不用R包，python包，linux程序，win软件等等花里胡哨的 粘贴aa序列到网页的大框 这里预测的是植物plant蛋白，也可以预测动物和真菌 点击提交 02 结果 跳出运行结果，选取我们关注的部分
“它将改变一切”，DeepMind AI解决生物学50年来重大挑战，破解蛋白质分子折叠问题...
来源：机器之心 本文约3800字，建议阅读9分钟 AlphaFold 2，128块TPU大力出奇迹，让别人无路可走。 CASP14 组织者、年近七旬的 UC Davis 科学家 Andriy Kryshtafovych 在大会上感叹道，I wasn't sure that I would live long enough to see this（我活久见了）[1]。 11 月 30 日，一条重
Gromacs模拟一：配体-双链蛋白质复合物体系准备
1、蛋白质的准备： 在RCSB网站下载想要的蛋白晶体（教程里是3htb），用notepad等编辑器或是分子可视化软件除去里面的非蛋白分子或离子。 这里采用的是一个经过分子对接后的蛋白质pdb和配体小分子的pdb。 教程里提到的配体是2-丙基苯酚（JZ4），是一个非肽类分子，同时存在于3htb蛋白里。可以用notepad给他抽出为一个单独的pdb。如果是一个短肽类分子，可以利用gromacs自
【文献分享】通过形态扫描仪阐明自组装肽聚集：蛋白质-肽结构表征的新工具
题目：Elucidating Self‐Assembling Peptide Aggregation via Morphoscanner: A New Tool for Protein‐Peptide Structural Characterization 通过形态扫描仪阐明自组装肽聚集：蛋白质-肽结构表征的新工具 自组装和分子折叠在自然界中无处不在：它们驱动从生物到 DNA 分子等系统的组织。
PSP - 蛋白质结构预测 OpenFold Multimer 模型训练参数与配置
欢迎关注我的CSDN：https://spike.blog.csdn.net/ 本文地址：https://spike.blog.csdn.net/article/details/132575709 OpenFold Multimer 是用于预测蛋白质多聚体结构的计算方法。基于OpenFold 的单体预测框架，利用深度学习技术，结合序列、进化和互作信息，来推断蛋白质之间的相互作用界面和空间
Enzo Life Sciences/艾美捷 蛋白质组检测试剂盒
侵略体是聚集的、错误折叠的蛋白质包涵体，当泛素-蛋白酶体-蛋白质降解机制不堪重负时形成。通常，侵略者是在细胞应激下形成的，通过分离错误折叠的蛋白质提供细胞保护机制，最终通过自噬清除这些蛋白质。此外，蛋白质聚集形成是多种人类疾病的特征，如阿尔茨海默病、帕金森病、肌萎缩侧索硬化症或酒精性肝病。蛋白质组检测是与神经退行性疾病、肝病和毒理学研究相关的侵染体的稳健、定量检测。一起来了解下Enzo Life
PROTEOSTAT 蛋白质聚集检测试剂盒——可靠、简便、较精确
蛋白质聚集（Protein Aggregation）通常是通过一系列过程实现，首先是蛋白内部结构的变化导致形成二聚体或寡聚体，随后聚集体生长，最后形成亚可见或可见的颗粒。 蛋白质聚集在蛋白类产品生产过程中的各个阶段普遍存在，由于聚集体对产品质量、有效性以及安全性有潜在的负面影响，对其有效控制是蛋白质类药物产品开发和商业化的主要挑战之一。此外蛋白聚集体可能存在潜在增强免疫原性的风险。生物制药行
使用ESMFold提取蛋白质embedding的python实现
ESMFold ESM Fold 是一个基于深度学习的蛋白质结构预测模型。ESM 代表 Evolutionary Scale Modeling，是一个使用自然选择原则和进化理论来建模生物序列的方法。ESM Fold 则是基于 ESM 模型的一个特定应用，旨在预测蛋白质的三维结构。ESM Fold 利用了大规模的蛋白质序列数据和进化信息，通过深度神经网络模型进行训练，以预测蛋白质的二级结构、残基接
22《Protein Actions Principles and Modeling》-《蛋白质作用原理和建模》中文分享
《Protein Actions Principles and Modeling》-《蛋白质作用原理和建模》 本人能力有限，如果错误欢迎批评指正。 第五章：Folding and Aggregation Are Cooperative Transitions （折叠和聚合是同时进行的） -蛋白质折叠的协同作用来自于二级和三级的结构相互作用 现在，我们应该如何
《Protein Actions Principles and Modeling》-《蛋白质作用原理和建模》中文分享（4）
《Protein Actions Principles and Modeling》-《蛋白质作用原理和建模》 本人能力有限，如果错误欢迎批评指正。 第二章：Proteins perform cellular functions （蛋白质的细胞功能） -蛋白质在细胞中的多种活动 想象一下，一个设备以一种重复的、自我维持的方式进行一些化学或物理功能
pymol可视化蛋白质-蛋白质相互作用
一、准备工作 在淘宝花6元购买pymol并安装（可以在windows上使用！）；在在线对接软件上提交两种蛋白pdb文件得到对接结果的pdb文件，下载后打开pymol，导入对接结果的pdb文件： file open 选择文件路径 一般线上对接软件导出的对接结果pdb文件会有两个对象object：一个配体ligand和受体receptor，为了后面方便命令输入，可以修改名称简化表示 set