Rosetta 与 AlphaFold 结合离子迁移率质谱数据改善多亚基蛋白组装预测
Steffen Lindert 实验室发表于 Analytical Chemistry 的研究将离子迁移率质谱的碰撞截面数据与 AlphaFold 亚基预测、Rosetta docking 结合,修正深度学习工具常见的对称性与装配拓扑错误。
推荐理由:把低成本质谱形状数据与 AlphaFold、Rosetta 结合,为深度学习结构预测常见的装配错误提供了一条可复用的纠偏路径。
机构与代表工作
华盛顿大学蛋白设计研究所(Baker 实验室)与 Rosetta Commons:RFdiffusion、ProteinMPNN 等蛋白设计工具及其应用。
共 11 条动态近 30 天 7 条
Steffen Lindert 实验室发表于 Analytical Chemistry 的研究将离子迁移率质谱的碰撞截面数据与 AlphaFold 亚基预测、Rosetta docking 结合,修正深度学习工具常见的对称性与装配拓扑错误。
推荐理由:把低成本质谱形状数据与 AlphaFold、Rosetta 结合,为深度学习结构预测常见的装配错误提供了一条可复用的纠偏路径。
来源更新 2026-11-13
研究团队将稀疏自编码器引入ProteinMPNN,扩展其潜在空间,并发现稀疏维度激活与二级结构、残基体积、残基形状、二硫键及配体配位等蛋白特征相关。他们还通过操纵稀疏激活,生成比基于高温分子动力学模拟的传统机器学习方法更热稳定的Brolucizumab短链可变片段变体。该工作同时提供对蛋白设计模型的机制理解和对序列预测的可定制操纵。
研究团队开发了一个整合结构引导序列设计与MHC-I表位预测的计算框架,可在保留蛋白功能的同时调节免疫原性。以从头设计的荧光素酶为模型,该框架在5种常见小鼠等位基因上实现表位消除并保留功能,并扩展至25种常见人类MHC-I等位基因。
RFD4-Proteina 是 IPD 与 NVIDIA 合作开发的新一代 RFdiffusion 模型,已在 Rosetta Commons GitHub 组织开源发布。该模型在计算效率和设计精度上有所提升,可探索配体-蛋白相互作用、核酸链结合和抗体设计等任务。IPD 早期用户报告部分设计周期从数月缩短到数天,模型还用潜空间方法统一结构生成与序列生成。
推荐理由:文章呈现 RFD4-Proteina 的开源发布与多机构协作背景,读者可了解蛋白设计模型如何借开放生态加快开发并推进应用。
NVIDIA 与华盛顿大学医学院蛋白质设计研究所(IPD)发布开源生成模型 RFD4-Proteina,基于 BioNeMo 平台,可联合优化蛋白质序列、结构及相互作用分子结构。
推荐理由:材料交代 RFD4-Proteina 的开源许可、性能对比与可用平台,便于判断蛋白质设计模型进入研发流程的入口。
Rosetta Commons 在 GitHub 组织下发布 Chaperone,一个用于构建、执行和评估结构生物学工作流的统一框架。该框架由华盛顿大学蛋白质设计研究所成员开发,为 RFdiffusion3、AlphaFold3、ProteinMPNN、Boltz-2 等组件提供文档化的 block,并支持分支流程、并行任务提交和迭代循环。
推荐理由:框架把蛋白设计各环节拆成可组合模块,并内置任务编排与数据溯源,便于评估自建流程的整合成本。
来源更新 2026-11-05
研究团队用深度学习设计方法 RFdiffusion-AA 和 LigandMPNN 从头设计光酶,把作为非天然氨基酸引入的二苯甲酮光敏剂精确安置在喹诺酮底物旁,并由形状互补性高的口袋引导激发态中间体的反应性。
推荐理由:研究给出了从头设计光酶的流程和 99% e.e. 的立体控制数据,读者可据此了解深度学习设计改变生物催化选择性的路径。
makeshift 是一个开源 Python 包,用于从 BMRB 检索、整理和分析生物分子 NMR 数据。它把化学位移重参考、主链柔性估计和弛豫动力学等分散的独立算法统一进标准 Python 工作流,并保留实验元数据。论文作者称,针对化学位移重参考、主链无序计算和基于结构的流体力学预测的基准测试,结果与原有旧版软件输出高度一致。
Science 论文提出 RFdiffusion3(RFD3),一种面向生物聚合物的生成式 AI 方法,用自由原子扩散满足复杂原子约束。作者称其在从酶设计到 RNA 结构设计的多项挑战上比此前方法更快、更准确。
推荐理由:RFD3 用自由原子扩散处理复杂原子约束并在酶设计中给出实验验证,读者可据此了解该方法如何连接设计与实验。
David Baker 团队发表研究,从头设计出利用活化半胱氨酸亲核体、按序列依赖方式水解多肽骨架的蛋白酶,设计成功率为 13/69(19%)。这些设计蛋白酶的折叠与天然蛋白酶差异明显(TM score < 0.50),6 个晶体结构与设计模型接近(Cα RMSD < 1.2 Å),相对背景反应的速率提升最高达 3×10⁷。
推荐理由:这些设计酶的折叠与天然蛋白酶差异明显,文中成功率和晶体结构数据可用于判断从头设计酶在活性位点预组织上的进展与差距。
研究团队用 RFdiffusion 从头设计出带有能活化水的锌活性位点的金属蛋白酶,135 个设计中 36% 能切割对应肽底物的目标位点。最佳设计将肽键水解速率提升逾 10⁸ 倍,四处替换后提升逾 10¹⁰ 倍;针对 TDP-43、amyloid-β 和血清淀粉样蛋白 A 设计的蛋白酶速率提升最高达 10⁹ 倍。
推荐理由:研究用 RFdiffusion 从头设计金属蛋白酶,并在 TDP-43 等疾病相关蛋白上展示选择性切割,方法可供蛋白质设计研究参考。