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
Google DeepMind 与 AlphaFold 系列:结构预测、AlphaProteo 蛋白设计及相关论文和官方发布。
共 18 条动态近 30 天 9 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。
Google DeepMind 发布 AlphaGenome 2,可预测 DNA 变异如何影响特定人类细胞类型。该模型采用条件式架构,训练数据覆盖 68 个组织、超过 1.07 亿个单细胞图谱;相比原始 AlphaGenome 微调版本及其他专用工具,其在 TenK10K 上识别出的因果变异比例为 30% 对 16%。
推荐理由:相比上一代以组织平均为主,AlphaGenome 2 把变异效应预测细化到具体细胞类型,并列出与旧模型的直接性能对比。
Google DeepMind 发布 Gemini 4 Carbon,向开发者、企业、科研人员和消费者开放,主打长程智能体工作流、网络安全与科学推理,API 定价与 Gemini 4 Argon 相同,为每百万输入 token 2 美元、每百万输出 token 10 美元。
推荐理由:原文给出了 Carbon 与 Argon 的定位差异、多项基准成绩和同一档定价,便于判断它适合哪类高强度任务。
研究团队结合 cryo-ET、交联与亲和纯化质谱以及 AlphaFold3 结构建模,在人类细胞核内检测到 TRiC 工作周期的中间体。他们还鉴定出若干与 TRiC 结合的核蛋白,AF3 模型提示相互作用界面位于 TRiC 腔体内侧。作者据此提出 TRiC 可能具有区室特异性作用并参与维持核内蛋白稳态,同时表明低丰度事件可通过大规模数据挖掘用 cryo-ET 分析。
Google DeepMind 为 Google Antigravity 发布一套化学信息学 Skills,安装 Science 插件后即可使用。
推荐理由:文章把化合物检索、匹配分子对分析与合成路线规划串成一条对话式流程,并给出与传统数天迭代的对比。
研究团队用 AlphaFold 3 预测 MHC、肽段与 TCR 三元复合物结构,覆盖超过 9000 个 TCR、1000 多种表位和 70 多种 MHC I/II 等位基因,并从中找出区分同源三元组与对照的特征。
推荐理由:研究把 AF3 用于 9000 多个 TCR 的三元结构预测,其区分同源与对照的特征做法可供免疫序列建模参考。
作者提出并评估一种表位切除方法,将靶点截短到局部界面窗口,以同时加速骨架扩散和结构预测。在 15 个靶点和 3,666 个设计上,截短窗口与完整靶点界面的中位 CαRMSD 为 0.37 Å,并在 FAP 的 719 残基胞外域上将 RFdiffusion 和 AlphaFold3 的 GPU 时间在一个表位中减少约 88%。
研究团队以 AlphaFold3 预测的 TAD 与辅激活因子相互作用为指导,设计并筛选出 300 多个对 Mediator、BRD4、NCOA 和 p300 的纳摩尔级结合蛋白。
推荐理由:研究把 AlphaFold3 预测界面与哺乳动物细胞筛选结合,为按亲和力定量调节转录输出提供了可迁移的设计思路。
Google Antigravity 智能体科学工作台把跨多个数据库的抗菌肽检索压缩进单次会话,并借助 ProtNLM 扫描 UniProt 中数百万条未表征蛋白质序列。该技术演示在假肺炎链球菌中锁定一个对呼吸道感染病原体具预测活性的新型抗菌肽候选,目前正进行湿实验验证。同时推出嵌入其中的 Biomolecular Structure Viewer,让研究者与智能体共享 3D 结构画布并直接标注。
AlphaFold2 以来,AI 驱动的蛋白质结构与复合物预测进步显著,但不同相互作用类别性能差异大,动态性重要或缺乏强共进化历史时下降。相互作用可分为四类:当前方法基本可处理、结构兼容性因竞争/旁系同源/化学计量而模糊、缺乏足够共进化信号、依赖细胞环境/动态/无序;未来需减少对多序列比对的依赖,并转向细胞环境中的相互作用景观建模。
Google DeepMind 发布 Gemini 4 Argon,今日起通过 Gemini API、AI Studio、Google Antigravity 以及 Gemini 应用和 Search 的 AI Mode 向开发者、企业与订阅用户开放。
推荐理由:官方给出了定价、上线渠道和多个领域的实测案例,可据此判断其在工程与科研任务中的落地方式。
Isomorphic Labs 与 Google DeepMind 公布联合生物韧性方案,聚焦前沿 AI 模型应对生物安全风险。该方案关注自然生态系统变化、全球旅行和 AI 潜在滥用带来的风险,并希望提升社会对未来疫情等事件的韧性。
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。
研究以 PDB 中 α-synuclein 结构的 TM-score 聚类作为已知多晶型参照,评估 AlphaFold 3、Boltz-2 和通过 ABCFold 运行的 OpenFold 3。
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。
Isomorphic Labs 与 Google DeepMind 开发 AlphaFold 3,可输入蛋白质、DNA、RNA、小分子配体和离子并预测其复合物的 3D 结构。
推荐理由:原文说明 AlphaFold 3 可预测的分子类型与内部使用案例,读者可据此判断它在药物设计流程中的位置。
Isomorphic Labs 与 Google DeepMind 公布新一代 AlphaFold 的进展,模型能对 PDB 中几乎所有分子生成预测,并常达到原子级精度。覆盖范围从蛋白质扩展到配体、核酸及含翻译后修饰的结构。在抗体结合等药物发现相关任务上,它大幅优于 AlphaFold2.3;在蛋白-配体结构预测上超过所报告的最佳 docking 方法,且无需参考蛋白结构或配体口袋位置。
推荐理由:读者可借这份进展更新了解 AlphaFold 从蛋白质扩展到配体与核酸的模型变化,以及它对药物发现流程的意义。