僅幾秒，準確推斷蛋白動力學信息，山大、北理工等AI模型RMSF-net登Nature子刊

AIGC動態歡迎閱讀

原標題：僅幾秒，準確推斷蛋白動力學信息，山大、北理工等AI模型RMSF-net登Nature子刊
關鍵字：動力學,蛋白質,電子顯微鏡,解讀,報告
文章來源：人工智能學家
內容字數：0字

內容摘要：

來源：ScienceAI
編輯：KX
蛋白質的動力學對于理解其機制至關重要。然而，通過計算預測蛋白質動學信息具有挑戰性。
在此，來自山東大學、百圖生科（BioMap）、北京理工大學、湖北醫藥學院、寧夏醫科大學和阿卜杜拉科技大學（KAUST）的研究團隊，提出了一個神經網絡模型 RMSF-net，其優于以前的方法，并在大規模蛋白質動力學數據集中產生最佳結果；該模型可以在幾秒鐘內準確推斷出蛋白質的動力學信息。
通過從實驗蛋白質結構數據和低溫電子顯微鏡 (cryo-EM) 數據集成中有效地學習，該方法能夠準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督，以最大限度地提高動力學預測效率。
RMSF-net 是一個可免費使用的工具，將在蛋白質動力學研究中發揮重要作用。
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，準確推斷蛋白動力學信息，山大、北理工等AI模型RMSF-net登Nature子刊

聯系作者

文章來源：人工智能學家
作者微信：AItists
作者簡介：致力成為權威的人工智能科技媒體和前沿科技研究機構