跳到正文
bioRxiv· Corley, N.; Didi, K.; Kazman, M. W.; Brent, R. I.; Bauer, M. S.; Biswas, R.; Bonzanini, J. E.; Chazin-Gray, A. M.; Chen, J.; Favor, A.; Gantz, M.; Jones, H. A.; Kim, P.; Lunn-Halbert, M. C.; McNamara-Bordewick, N. K.; Salike, S.; See, D. L.; Sharma, S.; Sun, E.; Venkatesh, P.; Woodbury, S. M.; Wu, K.; Zhang, Y.; Allen, J. D.; Butcher, J.; Chang, L.; Cho, Y.; Courbet, A.; Coventry, B.; Dallago, C.; Delfosse, E. S.; Eisenach, H. E.; Garcia Sanchez, M.; Geffner, T.; Goreshnik, I.; Greisen, P.; Hunt, A. C.; Kim, D. E.; Kim, D.; King, B. R.; Krishna, R.; Li, Y.; Li, Z. M.; Muraishi, A.; Muratspahic·· 来源仅提供日期精选AI 评分79

RFD4-Proteina 以共享潜空间推理设计生物分子

Biomolecular design through latent reasoning with RFD4-Proteina

AI 导读

RFD4-Proteina 用一个涵盖标准与修饰氨基酸、糖、DNA和RNA的共享化学与构象潜空间开展生物分子设计。模型以内在循环优化分配计算、以外在推理按能量或几何等约束引导搜索,在计算机模拟蛋白设计基准上的设计成功率和生成吞吐量高于此前评估的所有方法。

推荐理由

论文将蛋白、DNA、RNA与糖类纳入同一化学潜空间,并用内在与外在推理处理能量与几何约束。

预印本 · biorxiv · 10.64898/2026.11.12.766037

本站摘要基于收录版本 v1(2026-11-16),原始摘要与 AI 导读固定保留。

来源最近更新: · 来源 v1

摘要 · AI 翻译

生物分子设计需要找到相互作用的原子和分子在化学和几何上兼容的排列方式。深度学习设计模型所能解决的问题复杂度,既受限于它们所涵盖的分子空间,也受限于它们有效探索该空间的能力。在此我们介绍 RFD4-Proteina,它通过在共享的化学与构象潜在空间中进行内在推理和外在推理来解决这些限制。该潜在空间涵盖标准氨基酸和修饰氨基酸、糖类、DNA 以及 RNA,并通过力场监督来支持物理上合理的原子重建。在该空间中,内在推理使用循环细化来自适应地分配计算资源,而外在推理则以能量或几何准则等任意约束来引导搜索。在计算机模拟的蛋白质设计基准测试中,RFD4-Proteina 在所有已评估的先前方法中实现了更高的设计成功率和更大的生成吞吐量,并且通过构象柔性、循环细化和搜索获得了进一步的提升。在侧链堆积、序列设计、构象采样和设计细化方面,该模型的表现与最先进的专用方法相当或更优。我们通过实验展示了 RFD4-Proteina 的强大能力和通用性:设计出针对治疗相关靶点的特异性结合体和交叉反应性结合体,识别磷酸化,控制糖基化,以及创造既能催化断键反应又能催化成键反应的酶,其中包括首次对从头设计的酶用于活性药物成分合成的概念验证。通过在单一的、基于物理的潜在空间中统一多样化的化学、构象柔性和可扩展的推理,RFD4-Proteina 拓展了生物分子设计的前沿。

来源:bioRxiv · biorxiv.org