跳到正文
Nature Communications· Stefano De Castro; Oufan Zhang; Zi Hao Liu; Julie D. Forman-Kay; Teresa Head-Gordon·· 来源仅提供日期精选AI 评分72

IDPForge:用于全局与局部无序区域蛋白质的深度学习方法

IDPForge: deep learning of proteins with global and local regions of disorder

AI 导读

研究团队提出 IDPForge,一种基于 Transformer 蛋白语言扩散模型的方法,可生成全原子 IDP 及保留折叠结构域的 IDR 构象集合。该方法无需序列特异性训练、无需从粗粒化表示反变换,也无需集合重加权,生成结果与 NMR 和 SAXS 溶液实验数据吻合良好。IDPForge 已作为开源资源提供,并支持按需使用实验约束进行偏置。

推荐理由

论文提出无需序列特异性训练的扩散模型 IDPForge,能生成含无序区的全原子蛋白构象集合,并与 NMR 和 SAXS 数据吻合良好。

已发表论文 · journal · 10.1038/s41467-026-79191-4

本站摘要基于收录版本 v1(2026-10-30),原始摘要与 AI 导读固定保留。

IF(5) 18.9 · 2025 · 期刊参考指标

摘要 · AI 翻译

尽管机器学习已经以惊人的精度革新了折叠蛋白基态的结构预测,但固有无序蛋白和区域(IDP/IDR)的特征在于多样且动态的结构系综,而 AlphaFold 和 RoseTTAFold 等算法对其预测的置信度很低。我们提出了一种机器学习方法 IDPForge(Intrinsically Disordered Protein, Folded and disordered Region Generator,固有无序蛋白、折叠与无序区域生成器),该方法利用 transformer 蛋白质语言扩散模型来创建全原子 IDP 系综以及保留折叠结构域的 IDR 系综。IDPForge 不需要针对特定序列进行训练,不需要从粗粒化表示进行反向变换,也不需要对系综进行重新加权。所创建的 IDP/IDR 构象系综与核磁共振(NMR)和小角 X 射线散射(SAXS)溶液实验数据均表现出良好的一致性,并且在需要时可选用实验约束进行偏置。IDPForge 具备这些多样化的功能,为含有固有无序区域的蛋白质提供了整合性与结构研究的便利,并作为开源资源供广泛使用。

来源:Nature Communications · doi.org