Improving de novo protein binder design with deep learning

蛋白质设计 序列(生物学) 计算机科学 深度学习 计算生物学 蛋白质结构 人工智能 化学 生物 生物化学
作者
Nathaniel R. Bennett,Brian Coventry,Inna Goreshnik,Buwei Huang,Aza Allen,Dionne Vafeados,Ying Po Peng,Justas Dauparas,Minkyung Baek,Lance Stewart,Frank DiMaio,Steven De Munck,Savvas N. Savvides,David Baker
出处
期刊:Nature Communications [Nature Portfolio]
卷期号:14 (1) 被引量:161
标识
DOI:10.1038/s41467-023-38328-5
摘要

Recently it has become possible to de novo design high affinity protein binding proteins from target structural information alone. There is, however, considerable room for improvement as the overall design success rate is low. Here, we explore the augmentation of energy-based protein binder design using deep learning. We find that using AlphaFold2 or RoseTTAFold to assess the probability that a designed sequence adopts the designed monomer structure, and the probability that this structure binds the target as designed, increases design success rates nearly 10-fold. We find further that sequence design using ProteinMPNN rather than Rosetta considerably increases computational efficiency.
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
PDF的下载单位、IP信息已删除 (2025-6-4)

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
胖胖橘完成签到 ,获得积分10
6秒前
ayayaya完成签到 ,获得积分10
9秒前
辛勤的泽洋完成签到 ,获得积分10
9秒前
小粒橙完成签到 ,获得积分10
19秒前
20秒前
糖宝完成签到 ,获得积分10
21秒前
MC123完成签到,获得积分10
25秒前
34秒前
Owen应助科研通管家采纳,获得10
34秒前
Driscoll完成签到 ,获得积分10
34秒前
少年完成签到 ,获得积分10
35秒前
科科通通完成签到,获得积分10
36秒前
ARIA完成签到 ,获得积分10
45秒前
科研通AI2S应助U9A采纳,获得10
46秒前
温暖小松鼠完成签到 ,获得积分10
53秒前
yy完成签到 ,获得积分10
54秒前
zeannezg完成签到 ,获得积分10
1分钟前
ng完成签到 ,获得积分10
1分钟前
1分钟前
隐形曼青应助称心的新之采纳,获得10
1分钟前
落后的怀梦完成签到 ,获得积分10
1分钟前
唠叨的可燕完成签到 ,获得积分10
1分钟前
超帅的又槐完成签到,获得积分10
1分钟前
heroiheart'发布了新的文献求助10
1分钟前
稳重乌冬面完成签到 ,获得积分10
1分钟前
Silence完成签到 ,获得积分10
1分钟前
1分钟前
mmmaosheng完成签到,获得积分10
1分钟前
大力听芹发布了新的文献求助10
1分钟前
deniroming完成签到,获得积分10
1分钟前
美好灵寒完成签到 ,获得积分10
1分钟前
drz完成签到 ,获得积分10
1分钟前
303完成签到 ,获得积分10
1分钟前
李骁完成签到 ,获得积分10
1分钟前
lilylian完成签到,获得积分10
1分钟前
称心的新之完成签到,获得积分10
1分钟前
陈晶完成签到 ,获得积分10
1分钟前
wyh295352318完成签到 ,获得积分10
1分钟前
自信白凡完成签到 ,获得积分10
1分钟前
木木杉完成签到 ,获得积分10
1分钟前
高分求助中
A new approach to the extrapolation of accelerated life test data 1000
Cognitive Neuroscience: The Biology of the Mind 1000
Technical Brochure TB 814: LPIT applications in HV gas insulated switchgear 1000
Immigrant Incorporation in East Asian Democracies 600
Nucleophilic substitution in azasydnone-modified dinitroanisoles 500
不知道标题是什么 500
A Preliminary Study on Correlation Between Independent Components of Facial Thermal Images and Subjective Assessment of Chronic Stress 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 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 遗传学 基因 物理化学 催化作用 冶金 细胞生物学 免疫学
热门帖子
关注 科研通微信公众号,转发送积分 3968559
求助须知:如何正确求助?哪些是违规求助? 3513358
关于积分的说明 11167368
捐赠科研通 3248732
什么是DOI,文献DOI怎么找? 1794465
邀请新用户注册赠送积分活动 875065
科研通“疑难数据库(出版商)”最低求助积分说明 804664