A new age in protein design empowered by deep learning

深度学习 计算机科学 人工智能 机器学习 领域(数学) 生成语法 蛋白质设计 蛋白质结构预测 人工神经网络 计算生物学 蛋白质结构 生物 数学 生物化学 纯数学
作者
Hamed Khakzad,Ilia Igashov,Arne Schneuing,Casper A. Goverde,Michael M. Bronstein,Bruno E. Correia
出处
期刊:Cell systems [Elsevier]
卷期号:14 (11): 925-939 被引量:25
标识
DOI:10.1016/j.cels.2023.10.006
摘要

The rapid progress in the field of deep learning has had a significant impact on protein design. Deep learning methods have recently produced a breakthrough in protein structure prediction, leading to the availability of high-quality models for millions of proteins. Along with novel architectures for generative modeling and sequence analysis, they have revolutionized the protein design field in the past few years remarkably by improving the accuracy and ability to identify novel protein sequences and structures. Deep neural networks can now learn and extract the fundamental features of protein structures, predict how they interact with other biomolecules, and have the potential to create new effective drugs for treating disease. As their applicability in protein design is rapidly growing, we review the recent developments and technology in deep learning methods and provide examples of their performance to generate novel functional proteins.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
zqwm发布了新的文献求助10
刚刚
北木萧完成签到,获得积分10
1秒前
Alex发布了新的文献求助10
2秒前
深情安青应助唐文硕采纳,获得10
2秒前
猪猪发布了新的文献求助10
3秒前
HZW应助lytyl采纳,获得10
5秒前
天天快乐应助科研通管家采纳,获得10
7秒前
今后应助科研通管家采纳,获得10
7秒前
搜集达人应助科研通管家采纳,获得10
7秒前
搜集达人应助科研通管家采纳,获得10
7秒前
alter_mu应助科研通管家采纳,获得10
7秒前
思源应助科研通管家采纳,获得10
7秒前
JamesPei应助科研通管家采纳,获得10
7秒前
7秒前
7秒前
7秒前
7秒前
9秒前
9秒前
10秒前
12秒前
Green发布了新的文献求助10
13秒前
白白发布了新的文献求助10
13秒前
苹果烧鹅完成签到,获得积分10
14秒前
甜蜜浩然完成签到,获得积分10
17秒前
桐桐应助精明一寡采纳,获得10
17秒前
山猪吃细糠完成签到 ,获得积分10
18秒前
18秒前
困敦发布了新的文献求助10
22秒前
哈哈发布了新的文献求助10
22秒前
雷予发布了新的文献求助30
23秒前
24秒前
可爱的函函应助猪猪采纳,获得10
26秒前
红宝完成签到,获得积分10
28秒前
Orange应助称心的映菱采纳,获得10
28秒前
8R60d8应助小李叭叭采纳,获得20
28秒前
zqwm完成签到,获得积分10
29秒前
唐文硕完成签到,获得积分10
29秒前
30秒前
31秒前
高分求助中
The Oxford Handbook of Social Cognition (Second Edition, 2024) 1050
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Chen Hansheng: China’s Last Romantic Revolutionary 500
COSMETIC DERMATOLOGY & SKINCARE PRACTICE 388
Case Research: The Case Writing Process 300
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3141588
求助须知:如何正确求助?哪些是违规求助? 2792521
关于积分的说明 7803368
捐赠科研通 2448740
什么是DOI,文献DOI怎么找? 1302918
科研通“疑难数据库(出版商)”最低求助积分说明 626665
版权声明 601240