AIGC動態(tài)歡迎閱讀

原標(biāo)題：僅幾秒，準(zhǔn)確推斷蛋白動力學(xué)信息，山大、北理工等AI模型RMSF-net登Nature子刊
關(guān)鍵字：動力學(xué),蛋白質(zhì),電子顯微鏡,解讀,報告
文章來源：人工智能學(xué)家
內(nèi)容字?jǐn)?shù)：0字

內(nèi)容摘要：

來源：ScienceAI
編輯：KX
蛋白質(zhì)的動力學(xué)對于理解其機(jī)制至關(guān)重要。然而，通過計算預(yù)測蛋白質(zhì)動學(xué)信息具有挑戰(zhàn)性。
在此，來自山東大學(xué)、百圖生科（BioMap）、北京理工大學(xué)、湖北醫(yī)藥學(xué)院、寧夏醫(yī)科大學(xué)和阿卜杜拉科技大學(xué)（KAUST）的研究團(tuán)隊(duì)，提出了一個神經(jīng)網(wǎng)絡(luò)模型 RMSF-net，其優(yōu)于以前的方法，并在大規(guī)模蛋白質(zhì)動力學(xué)數(shù)據(jù)集中產(chǎn)生最佳結(jié)果；該模型可以在幾秒鐘內(nèi)準(zhǔn)確推斷出蛋白質(zhì)的動力學(xué)信息。
通過從實(shí)驗(yàn)蛋白質(zhì)結(jié)構(gòu)數(shù)據(jù)和低溫電子顯微鏡 (cryo-EM) 數(shù)據(jù)集成中有效地學(xué)習(xí)，該方法能夠準(zhǔn)確識別低溫電子顯微鏡圖和 PDB 模型之間的交互式雙向約束和監(jiān)督，以最大限度地提高動力學(xué)預(yù)測效率。
RMSF-net 是一個可免費(fèi)使用的工具，將在蛋白質(zhì)動力學(xué)研究中發(fā)揮重要作用。
該研究以「Accurate Prediction of Protein Structural Flexibility by Deep Learning Integrating Intricate Atomic Structures and Cryo-EM Density Information」為題，于 7 月

原文鏈接：僅幾秒，準(zhǔn)確推斷蛋白動力學(xué)信息，山大、北理工等AI模型RMSF-net登Nature子刊

聯(lián)系作者

文章來源：人工智能學(xué)家
作者微信：AItists
作者簡介：致力成為權(quán)威的人工智能科技媒體和前沿科技研究機(jī)構(gòu)