ESM3-PPISites 利用多模态表示学习蛋白质相互作用界面
研究提出 ESM3-PPISites,利用多模态蛋白质语言模型 ESM3 结合进化上下文与3D几何进行残基级蛋白质相互作用界面分类,推理时无需复杂结构输入,并在多套训练集和基准集上超过现有方法。
研究提出 ESM3-PPISites,利用多模态蛋白质语言模型 ESM3 结合进化上下文与3D几何进行残基级蛋白质相互作用界面分类,推理时无需复杂结构输入,并在多套训练集和基准集上超过现有方法。
研究团队筛选AI设计的minibinders,鉴定出合成蛋白混合物C6-DPC,可高效驱动人类成纤维细胞向肌肉转分化并实现结构与代谢成熟。C6-DPC通过激活促肌生成的FGFR1/2c通路并抑制ALK1和TGFBR2等抗肌生成信号发挥作用,靶向去除ALK1即可降低重编程屏障。
推荐理由:研究把AI设计蛋白配体用于受体信号重编程,为人类成纤维细胞向肌肉转分化提供了可复用的分子干预路径。
Isomorphic Labs 公布 IsoDDE 药物设计引擎及技术报告,称其在蛋白配体结构预测、抗体抗原界面和结合亲和力预测上超过 AlphaFold 3。
推荐理由:材料给出 IsoDDE 与 AlphaFold 3、Boltz-2 在结构预测和结合亲和力上的对比数据,可帮助判断 AI 药物设计系统的能力边界。
研究者提出 RNA-X,一个基于掩码语言建模的 RNA 相互作用基础模型,用于表征学习、条件 RNA 设计和优化。该模型可设计靶向蛋白、RNA 和 DNA 的 RNA,并支持同时针对多个靶点;其参数量比现有 RNA 基础模型少几个数量级,但在多项下游任务上的表征表现更优。
推荐理由:RNA-X 把 RNA 设计扩展到蛋白、RNA 和 DNA 靶点,并以体外实验和公开预训练模型展示多靶点设计的可行性。
研究团队提出 MicroSPEAR 端到端框架,将蛋白质语言模型预测器 SPEAR 与微流控平台 MicroGrad 结合,用于抗菌肽发现。基于覆盖 15 类孤立栖息地的 4,480 个宏基因组目录,SPEAR 识别出 383,027 条非冗余候选抗菌肽,其中 63.1% 在参考数据库中无可检测同源序列。
推荐理由:读者可了解蛋白质语言模型与微流控如何组成端到端流程,覆盖从宏基因组候选筛选到小鼠感染模型验证。
一项针对14个蛋白质设计模型的分析发现,控制蛋白家族和实测生物物理性质后,骨架条件评分的物种级差异有91%至93%可被消除,而仅序列似然只消除15%至29%。骨架条件模型偏好古菌和嗜热蛋白,序列模型偏好真核蛋白,这些偏好与紧凑度、堆积和电荷相关并传播到重设计序列。进一步用极端微生物分泌组训练 ProteinMPNN 会改变设计表面化学而结构代价很小,但物种排名基本保留。
研究提出基于 Potts 模型的蛋白质序列设计方法 Caliby,可用输入骨架生成的合成结构系综作为条件来采样序列,并在提升可设计性的同时降低天然序列恢复率。设计序列中非接触残基间协变减少、能量挫败降低,且该策略可泛化到不同序列设计模型。作者据此设计了热稳定蛋白、功能性镧系结合蛋白和可溶性膜蛋白变体,其中一种五聚体组装经冷冻电镜确认。
推荐理由:材料对比天然序列恢复率与可设计性的权衡,并用热稳定蛋白等设计案例展示系综条件化的跨模型适用性。
研究团队提出构象自编码器 CyclicCAE,用于快速生成异手性大环肽的能量稳定主链构象和可设计骨架。由于缺乏大型大环数据集,团队用基于物理的模拟在计算机中构建训练集,并显示该方法能捕捉 Protein Data Bank 中大环可及的构象,较 Rosetta GeneralizedKIC 有明显速度优势。
bioRxiv 预印本中,研究团队提出 mRNArchitect,一个用于 mRNA 药物序列设计与优化的软件工具包。该工具按密码子使用、二级结构和可制造性优化序列,支持针对短或长表达谱的策略以及疫苗、细胞和基因治疗等应用,并提供 UTR、microRNA 结合位点和调控元件库。
研究团队提出从头设计与筛选耦合的方法,识别出能引导特定金属氧化物矿化的蛋白界面,包括生物系统中不存在的材料。他们找到两个在通常生成磁铁矿条件下促进赤铁矿生长的界面,以及三个在传统 ZnO 结合肽和对照蛋白无效时促进异质 ZnO 成核的界面。
Isomorphic Labs 与 Google DeepMind 发布 AlphaFold 3,可预测蛋白质、DNA、RNA 和配体等分子的结构及相互作用。论文称其在蛋白质与其他分子相互作用的预测上较现有方法至少提升 50%,部分重要类别准确率翻倍。
推荐理由:原文给出 AlphaFold 3 在蛋白质与其他分子相互作用预测上至少提升 50% 的结果,并交代其覆盖 DNA、RNA 与配体的建模范围。
研究团队将广泛使用的 RNA 二级结构设计基准 Eterna100 改版为 Eterna100-V2,以适配 ViennaRNA 2 折叠引擎。用六种 RNA 设计算法测试后,他们发现训练或评估所用折叠引擎会改变算法表现。