Diffusion of intrinsically disordered proteins within viscoelastic membraneless droplets
Keio University(庆应义塾大学);Tokyo University of Science(东京科学大学);National Institutes of Health(美国国立卫生研究院);University of Copenhagen(哥本哈根大学);University of Potsdam(波茨坦大学);Asia Pacific Centre for Theoretical Physics(亚太理论物理中心)
本研究利用分子动力学模拟揭示了FUS和DDX4等内在无序蛋白在生物分子凝聚物液滴中因粘弹性和限制效应表现出瞬态次扩散,且其在液滴内部与界面的构象及扩散差异导致位移分布非高斯性。
2024-01-19 cond-mat.soft cond-mat.stat-mech physics.bio-ph
Molecular Dynamics Simulation of Folding and Diffusion of Proteins in Nanopores
一种新的组合的不连续分子动力学和朗之万方程,连同一个中等分辨率的模型,被用来进行长(几个$μ$)模拟和研究折叠转变和运输的蛋白质在狭缝纳米孔。考虑蛋白质和孔壁之间的吸引($U^+$)和排斥($U^-$)相互作用势。在接近折叠温度$T_f$和存在$U^+$的情况下,蛋白质经历折叠/部分折叠/解折叠转变的重复序列,而$T_f$随着孔径的减小而减小。当存在$U^-$时,情况正好相反。蛋白质的有效扩散率$D$被计算为它们的长度(氨基酸基团的数目)、温度$T$、孔径和相互作用势$U^\pm$的函数。远离$T_f$,$D$随$T$(大致)线性增加,但由于热波动及其对$T_f$附近蛋白质结构的影响,该区域中$D$对$T$的依赖性是非线性的。在某些条件下,蛋白质在较小孔中的转运可以比在较大孔中的转运快{ \it}。
2008-01-25 cond-mat.soft physics.bio-ph physics.comp-ph
Realistic protein-protein association rates from a simple diffusional model neglecting long-range interactions, free energy barriers, and landscape ruggedness
我们开发了一个简单但严格的模型,蛋白质-蛋白质缔合动力学的基础上的自由能景观通过采样配置内和周围的本地复杂的结合漏斗的扩散协会。在精确可解模型问题上获得的结果的指导下,我们将潜在的扩散问题转化为自由扩散的存在下,跨越入口的结合漏斗的吸收区。自由扩散问题的解决,使用最近导出的解析表达式的不对称取向的分子的关联率。尽管需要高的空间特异性和缺乏长程吸引相互作用,计算的速率通常在10^4-10^6 M-1 s-1的量级,比使用纯概率模型获得的速率高几个数量级,在纯概率模型中,均匀反应分子的自由扩散的缔合速率乘以两个伙伴在随机碰撞由于许多蛋白质-蛋白质复合物的结合速率也在10^5-10^6 M-1 s-1之间,因此我们的研究结果表明,在复合物形成过程中由去溶剂化和/或侧链冻结引起的自由能势垒或结合漏斗内的坚固性增加(在我们的简单扩散模型中完全忽略)对蛋白质-蛋白质结合的动力学没有显著贡献。我们的方法,直接从蛋白质-蛋白质结合漏斗的大小和几何形状计算关联率的透明的物理解释,使它成为布朗动力学模拟的一个有用的补充。
2004-07-19 q-bio.BM
A FRAP model to investigate reaction-diffusion of proteins within a bounded domain: a theoretical approach
细胞内蛋白质转运的时间和空间分辨测量为生物系统的功能结构和动力学提供了重要线索。光漂白后荧光恢复(FRAP)技术在过去的三十年中被用于测量大分子的迁移率和蛋白质的运输以及与细胞核内固定结构的相互作用。提出了一个理论模型,其目的是描述蛋白质运输的细胞核内,这是一个过程的存在下的边界(即膜)的影响。采用一组反应扩散方程来模拟蛋白质的扩散及其与固定结合位点的相互作用。所提出的模型已被设计为应用于生物样品的共聚焦激光扫描显微镜(CLSM)配备的功能,以漂白的扫描光束,具有径向高斯分布的轮廓特征的区域。所提出的模型导致FRAP曲线,依赖于上和关闭率。半解析表达式被用来定义的开(关)率参数空间的边界在简化的情况下,当分子在一个有界域内移动。该理论模型可与CLSM获得的实验数据结合使用,以研究活细胞中蛋白质的生物物理性质。
2008-01-04 physics.bio-ph q-bio.BM q-bio.QM
Theory on the mechanism of rapid binding of transcription factor proteins at specific-sites on DNA
我们开发了修改后的理论思想的机制,转录因子蛋白质定位其特异性结合位点的DNA速度比三维(3D)扩散控制的速率限制。我们证明,3D扩散控制的速率限制可以增强时,蛋白质分子读取几个可能的结合延伸的模板DNA通过一维(1D)扩散后,每个3D扩散介导的碰撞或非特异性结合事件。位点特异性结合速率的总体增强与蛋白质分子沿DNA的1D扩散相关的最大可能滑动长度(LA,(6Do/kr)的平方根,其中Do是1D扩散系数,kr是与非特异性DNA-蛋白质复合物相关的解离速率常数)成正比。在考虑了几种可能的机制后,我们发现DNA结合蛋白可以通过以循环方式切换其DNA结合结构域的快速移动、缓慢移动和读取状态来有效地定位其在DNA上的同源位点。无论机制的类型的整体速率增强因子渐近接近一个极限值,这是直接成比例的LA作为总长度的DNA,包含同源位点的增加。这些结果与体外实验观察结果一致。
2014-09-19 physics.bio-ph q-bio.BM
Protein structure generation via folding diffusion
Stanford University(斯坦福大学);Microsoft Research(微软研究院)
通过计算产生新颖但物理上可折叠的蛋白质结构的能力可能会导致新的生物学发现和针对不可治愈疾病的新疗法。尽管最近在蛋白质结构预测方面取得了进展,但是从神经网络直接生成多样的、新颖的蛋白质结构仍然是困难的。在这项工作中,我们提出了一个新的基于扩散的生成模型,设计蛋白质主链结构,通过一个程序,反映了天然的折叠过程。我们将蛋白质主链结构描述为一系列连续的角度,这些角度捕获了组成氨基酸残基的相对方向,并通过从随机的未折叠状态到稳定的折叠结构的去噪来产生新的结构。这不仅反映了蛋白质在生物学上如何扭曲成能量上有利的构象,而且这种表示的固有移位和旋转不变性至关重要地说明了对复杂等变网络的需求。我们训练一个去噪扩散概率模型与一个简单的Transformer骨干,并证明我们得到的模型无条件地生成高度逼真的蛋白质结构的复杂性和结构模式类似于那些天然存在的蛋白质。作为一个有用的资源,我们发布了第一个开源代码库和蛋白质结构扩散的训练模型。
2022-11-24 cs.AI q-bio.BM
Force-clamp experiments reveal the free energy profile and diffusion coefficient of the collapse of proteins
我们目前的力钳数据的泛素多蛋白的崩溃,在响应淬火的力量。这些非平衡轨道是用一种基于端到端长度的扩散假设的一般方法来分析的,以重建5 pN处的下坡自由能分布和10 pN处的能量平台,其慢扩散系数约为100 nm^2/s。自由能的形状及其与蛋白质长度的线性标度证明了坍缩物理模型的有效性。然而,独立于长度的扩散系数表明,内部而不是粘性摩擦占主导地位,需要热噪声来捕获所测量的崩溃时间的变化。
2012-08-07 physics.bio-ph q-bio.BM
The Dance of Atoms-De Novo Protein Design with Diffusion Model
Academy of Military Medical Sciences(军事医学科学院);Beihang University(北京航空航天大学);Northeastern University(东北大学)
本综述系统考察扩散模型在从头蛋白质设计中的应用,分析RFDiffusion等模型在骨架和序列生成中的优势与局限,总结成功案例并展望未来方向。
2025-04-23 cs.AI q-bio.BM
Diffusion on language model encodings for protein sequence generation
Constructor University, Bremen, Germany(Constructor大学,不来梅,德国)
DiMA提出一种基于蛋白质语言模型表示的潜在连续扩散框架,统一处理多种编码器,生成高质量、多样且新颖的蛋白质序列,并支持条件生成任务。
2025-09-06 cs.AI cs.LG q-bio.BM
MP2D: Constrained Monte Carlo Tree-Guided Diffusion for Multi-Objective Protein Sequence Design
College of Computer Science and Technology, Zhejiang University(浙江大学计算机科学与技术学院);School of Mathematical Sciences, Zhejiang University(浙江大学数学科学学院);State Key Laboratory of Transvascular Implantation Devices and TIDRI(血管植入器械国家重点实验室和TIDRI);Zhejiang Key Laboratory of Medical Imaging Artificial Intelligence(浙江省医学影像人工智能重点实验室)
本文提出MP2D框架,结合条件离散扩散与约束MCTS及全局迭代优化,解决多目标蛋白质序列设计中的冲突属性问题,实现高效平衡优化。
2026-05-07 q-bio.BM
Protein sliding and hopping kinetics on DNA
使用蒙特卡罗模拟,我们去卷积的滑动和跳跃动力学的GFP-LacI蛋白质的延长DNA从他们的实验观察秒长的扩散轨迹。我们的模拟结果表明:(1)在每个扩散轨迹中,蛋白质平均进行数百次交替的滑动和跳跃,平均滑动时间为几十ms;(2)在快扩散轨迹中,滑动占主导地位,而跳跃占主导地位;(3)流动和盐浓度的变化对跳跃动力学的影响有限,而体内DNA构型预计不会影响滑动动力学;(4)大于200 nm的啤酒花的出现率与EcoRV蛋白的实验数据一致。
2011-07-22 physics.bio-ph q-bio.BM
Spectral Diffusion for Protein Dynamics
University of Oxford(牛津大学);Copenhagen University(哥本哈根大学);Bayer(拜耳)
研究针对蛋白质动力学计算查询,提出用傅里叶变换的新物理信息表示,通过光谱域扩散分离动力学,经结构和温度条件光谱体积去噪,训练的DynaMode模型性能良好。
2026-07-07 q-bio.BM q-bio.QM
Diffusion Dynamics, Moments, and Distribution of First Passage Time on the Protein-Folding Energy Landscape, with Applications to Single Molecules
我们利用统计能量-景观理论研究了蛋白质折叠的动力学。特别是,我们专注于本地连接的情况下,所描述的本地构象的分数的折叠进展。我们获得的信息的第一个时间(FPT)分布和它的时刻。结果表明,一个动态的转变温度低于FPT分布发展的幂律尾,折叠动力学的不稳定现象的签名。我们还讨论了可能的应用结果的单分子动力学实验。
2002-06-20 cond-mat.soft cond-mat.stat-mech q-bio.BM
EigenFold: Generative Protein Structure Prediction with Diffusion Models
Massachusetts Institute of Technology(麻省理工学院);University of Illinois(伊利诺伊大学)
EigenFold是一种基于扩散模型的蛋白质结构生成框架,通过将结构建模为谐振子系统实现级联分辨率采样,在保持高预测精度的同时有效捕捉构象集合与模型不确定性。
2023-04-05 cs.LG physics.bio-ph q-bio.BM
Stochastic single-molecule dynamics of synaptic membrane protein domains
受突触膜蛋白质结构域单分子实验的启发,我们使用随机格子模型来研究拥挤膜中的蛋白质反应和扩散过程。我们发现,突触蛋白的随机反应扩散动力学提供了一个简单的物理机制,集体波动的突触域,观察到的分子营业额在突触域,观察到的突触蛋白的单分子轨迹的关键特征,和空间不均匀的蛋白质寿命在细胞膜。我们的研究结果表明,在细胞膜上的随机反应扩散过程中,可以理解膜蛋白结构域观察到的单分子和集体动力学的中心方面。
2016-11-07 physics.bio-ph q-bio.BM q-bio.NC
DiffDock-PP: Rigid Protein-Protein Docking with Diffusion Models
Massachusetts Institute of Technology(麻省理工学院);Technical University of Munich(慕尼黑工业大学)
本文提出DiffDock-PP,一种用于刚性蛋白质-蛋白质对接的扩散生成模型,通过学习平移和旋转未结合蛋白质结构至结合构象,在DIPS上达到最先进性能且速度优于搜索方法。
2023-04-08 cs.LG q-bio.BM
A Hierarchical Adaptive Diffusion Model for Flexible Protein-Protein Docking
Texas A&M University(德克萨斯农工大学)
针对蛋白质对接中的构象变化难题,提出分层自适应扩散模型,分离刚体与柔性运动并自适应调度,在DB5.5基准上优于现有方法。
2025-09-24 cs.CE q-bio.BM
A Latent Diffusion Model for Protein Structure Generation
Texas A&M University(德克萨斯农工大学);Fujitsu Research of America(富士通美国研究院);Fujitsu Research(富士通研究院)
本文提出结合等变蛋白质自动编码器与等变扩散模型的潜在扩散框架,在压缩潜在空间中学习蛋白质结构分布,高效生成高可设计性的新型蛋白质骨架。
2023-12-06 cs.AI cs.LG q-bio.BM
Protein Conformation Generation via Force-Guided SE(3) Diffusion Models
School of Mathematical Sciences, Tongji University(同济大学数学科学学院);ByteDance Research(字节跳动研究院);University of California, Los Angeles(加州大学洛杉矶分校)
针对现有扩散模型无法整合物理先验导致采样偏差的问题,提出力引导的 SE(3) 扩散模型 ConfDiff,通过结合力引导网络与分数模型生成高保真且多样的蛋白质构象,在多项预测任务中超越现有方法。
2024-09-24 cs.LG q-bio.BM
Torsion-Space Diffusion for Protein Backbone Generation with Geometric Refinement
Dept. of Mechanical Engineering(机械工程系);Indian Institute of Technology Bombay(印度班加罗尔理工学院)
本文提出扭转空间扩散模型,通过去噪扭转角生成物理有效的蛋白质主链,结合几何细化优化结构紧凑性,提升蛋白质生成的准确性与合理性。
2025-11-24 cs.AI q-bio.BM
The effects of added salt on the second virial coefficients of the complete proteome of E. coli
细菌通常有几千种不同的蛋白质。具有给定电荷的蛋白质的数量大致是以零为中心的电荷的高斯函数,宽度约为10(以质子上的电荷为单位)。我们使用了E上的电荷。大肠杆菌的蛋白质,以估计其所有蛋白质的第二维里系数随着1:1盐浓度的增加而变化。第二维里系数具有体积的维度,并且我们发现,当盐浓度从0.2摩尔增加到1摩尔时,第二维里系数平均减少约两倍于蛋白质的平均体积。下降的标准差是相同数量级的。这对E.大肠杆菌细胞,进行了简要讨论。
2002-12-17 cond-mat.soft q-bio.BM
Token-Level Guided Discrete Diffusion for Membrane Protein Design
University of Pennsylvania(宾夕法尼亚大学);Duke University(杜克大学);University of North Carolina at Chapel Hill(北卡罗来纳大学教堂山分校);Duke-NUS Medical School(杜克-新加坡国立大学医学院)
本文提出基于 RDM 的 MemDLM 蛋白质语言模型及 PET 逐 token 引导采样,实现可控膜蛋白从头设计、基序支架与性质优化,并经 TOXCAT 实验验证跨膜插入。
2025-09-28 q-bio.BM
Diffusion Language Models Are Versatile Protein Learners
ByteDance Research(字节跳动研究院);Nanjing University(南京大学)
本文提出扩散蛋白质语言模型DPLM,通过生成式自监督离散扩散框架预训练,在蛋白质序列的无条件生成、预测任务及多种条件生成任务中均展现出卓越性能。
2024-10-16 cs.LG q-bio.BM
TaxDiff: Taxonomic-Guided Diffusion Model for Protein Sequence Generation
Peking University(北京大学);Peng Cheng Laboratory(鹏城实验室)
TaxDiff提出一种分类学引导的扩散模型,通过将物种信息注入transformer各层并结合全局与局部注意力,实现可控蛋白质序列生成,在多个基准上性能优于现有方法且耗时更短。
2024-02-27 cs.AI cs.LG q-bio.BM
Oscillations in p-adic diffusion processes and simulation of the conformational dynamics of protein
针对蛋白质构象动力学的p进扩散模型,本文分析纯扩散及带反应汇情形下弛豫曲线的对数振荡,阐明其幂律背景、周期振幅及物理机制。
2023-04-27 cond-mat.stat-mech q-bio.BM
Apo2Mol: 3D Molecule Generation via Dynamic Pocket-Aware Diffusion Models
针对现有3D分子生成方法忽略蛋白结合口袋柔性的问题,提出Apo2Mol扩散生成框架,构建大规模apo-holo结构对数据集,可同时生成配体与对应holo口袋构象,性能达到当前最优。
2025-11-18 cs.AI cs.LG q-bio.BM
CMADiff: Cross-Modal Aligned Diffusion for Controllable Protein Generation
Northeast Agricultural University(东北农业大学);Zhejiang University(浙江大学);Northeastern University(东北大学);Utah State University(犹他州立大学);Galileo Financial Technologies(伽利略金融技术)
提出CMADiff框架,通过条件变分自编码器整合理化特征,并利用对比学习模块BioAligner对齐文本描述与蛋白质特征,实现基于文本驱动的可控蛋白质序列生成。
2026-08-27 cs.CE q-bio.BM
Constrained Diffusion for Protein Design with Hard Structural Constraints
University of Virginia(弗吉尼亚大学);Rutgers University(罗格斯大学)
本文提出一种受结构指导的蛋白质设计扩散框架,通过整合近可行性更新与ADMM分解,确保严格满足功能需求,同时保持立体化学和几何可行性,在复杂约束集下实现高效生成,取得最佳性能。
2026-03-25 cs.AI cs.LG q-bio.BM
ForceGen: End-to-end de novo protein generation based on nonlinear mechanical unfolding responses using a protein language diffusion model
Massachusetts Institute of Technology(麻省理工学院);Tufts University(塔夫茨大学)
本研究提出ForceGen生成模型,结合预训练蛋白质语言模型与扩散机制,基于非线性力学解折叠响应从头设计蛋白质,经全原子模拟验证可满足目标力学性能,为力学生物学蛋白质材料发现提供新路径。
2023-12-16 cond-mat.mes-hall cond-mat.mtrl-sci cs.CL
Diffusion Sequence Models for Enhanced Protein Representation and Generation
本文提出基于 ESM2 与掩码扩散的扩散序列模型 DSM,兼顾高质量蛋白质表示学习与序列生成,并通过 DSM(ppi) 在 BenchBB 上展现更优结合物设计能力。
2025-06-09 q-bio.BM
Facilitated diffusion on confined DNA
在活细胞中,蛋白质结合了3D体扩散和沿着DNA的1D滑动,以更快地到达目标。这个过程被称为促进扩散,我们调查其动力学在生理相关的情况下,限制DNA。的限制几何形状和DNA的弹性是关键参数:我们发现,促进扩散是最有效的各向同性的体积内,并在一个灵活的聚合物。通过考虑体内蛋白质的典型拷贝数,我们表明,由于滑动的加速变得不敏感的微调参数,使促进扩散一个强大的机制,以加快细胞内扩散限制反应。我们关注的参数范围与体外系统和酵母染色质上的易化扩散有关。
2012-11-15 cond-mat.soft physics.bio-ph q-bio.BM
Accelerating Inference in Molecular Diffusion Models with Latent Representations of Protein Structure
University of Pittsburgh(匹兹堡大学)
针对分子扩散模型中粗粒度蛋白质表示损失信息且推理缓慢的问题,提出基于 GNN 的分子结构潜在表示架构,在从头配体设计中保持全原子级性能并将推理时间减少三分之二。
2024-05-08 cs.LG q-bio.BM
Mask prior-guided denoising diffusion improves inverse protein folding
School of Computer Science, University of Sheffield(谢菲尔德大学计算机科学学院);Biologics Engineering, Oncology R&D, AstraZeneca(阿斯利康生物制药工程与肿瘤研发部);Medicinal Chemistry, Research and Early Development, Cardiovascular, Renal and Metabolism, BioPharmaceuticals R&D, AstraZeneca(阿斯利康医药化学与研发部);School of Biological Sciences, University of Southampton(南安普顿大学生物科学学院);Centre for Machine Intelligence, University of Sheffield(谢菲尔德大学智能中心)
本文提出MapDiff离散扩散框架,通过基于图的去噪网络、mask先验预训练及Monte-Carlo dropout降低低置信度残基预测不确定性,在四个基准上显著优于现有方法。
2025-07-25 cs.LG q-bio.BM
Scalable Spatio-Temporal SE(3) Diffusion for Long-Horizon Protein Dynamics
Georgia Institute of Technology(佐治亚理工学院)
STAR-MD通过联合时空建模实现高效蛋白质动态模拟,显著提升构象覆盖和动态保真度,适用于微秒级长时间尺度生成。
2026-02-11 cs.AI cs.LG physics.bio-ph
CFP-Gen: Combinatorial Functional Protein Generation via Diffusion Language Models
针对现有蛋白质语言模型难以同时满足跨模态多约束的问题,提出扩散语言模型CFP-Gen,通过AGFM和RCFE模块及3D结构编码器整合多模态条件,实现了高成功率的多功能蛋白质高通量生成。
2025-05-28 cs.CV cs.LG q-bio.BM
Towards Joint Sequence-Structure Generation of Nucleic Acid and Protein Complexes with SE(3)-Discrete Diffusion
Profluent Bio;AI Research Lab(AI研究实验室)
本文提出MMDiff,利用SE(3)-离散扩散噪声联合生成核酸与蛋白质复合物的序列和结构,并通过新基准验证其在micro-RNA、单链DNA及多链复合物建模中的有效性。
2023-12-21 cs.AI cs.LG q-bio.BM
Multiscale molecular kinetics by coupling Markov state models and reaction-diffusion dynamics
一种新的方法来模拟简单的蛋白质配体系统在大的时间和长度尺度是耦合马尔可夫状态模型(MSM)的分子动力学与基于粒子的反应扩散(RD)模拟,MSM/RD。目前,MSM/RD缺乏一个数学框架来推导耦合方案;仅限于单一构象状态下的各向同性配体,并且缺乏多粒子扩展。在这项工作中,我们解决了这些需求,通过开发一个通用的MSM/RD框架粗粒化分子动力学到混合开关扩散过程。如果有足够的数据来参数化模型,它能够在大的时间和长度尺度上模拟蛋白质-蛋白质相互作用,并且可以扩展到处理多个分子。我们推导出MSM/RD框架,我们实现并验证了两个蛋白质-蛋白质基准系统和一个多粒子实现模型的五聚环分子的形成。为了实现可重复性,我们在MSM/RD软件包中发布了我们的代码。
2021-12-09 physics.bio-ph physics.chem-ph physics.comp-ph
Ligand-Conditioned Discrete Diffusion for Protein Sequence-Structure Co-Design
Xi’an University of Posts & Telecommunications(西安邮电大学);National University of Singapore(新加坡国立大学);Xi’an Jiaotong University(西安交通大学);Institute of Systems Medicine, Chinese Academy of Medical Sciences(中国医学科学院系统医学研究院)
提出配体条件离散扩散模型ProtLiD²,通过几何感知交叉注意力联合生成氨基酸序列和离散结构令牌,实现配体约束下的蛋白质序列-结构协同设计,显著提升全局折叠置信度和配体感知通过率。
2026-05-15 cs.AI q-bio.BM
A 3D pocket-aware and evolutionary conserved interaction guided diffusion model for molecular optimization
School of Computer Science and Engineering, Sun Yat-sen University(中山大学计算机科学与工程学院);School of Pharmaceutical Science, Sun Yat-sen University(中山大学药学院);West China School of Pharmacy, Sichuan University(四川大学华西药学院)
本文提出3D靶标感知扩散模型DiffDecip,将蛋白质-配体相互作用与残基进化保守信息同时纳入扩散和采样过程,通过骨架修饰实现分子优化,在形成更多与高度保守残基的非共价相互作用方面优于基线模型DiffDec。
2025-05-09 cs.LG physics.chem-ph q-bio.BM
DiAMoNDBack: Diffusion-denoising Autoregressive Model for Non-Deterministic Backmapping of Cα Protein Traces
Pritzker School of Molecular Engineering, University of Chicago(芝加哥大学普利兹克分子工程学院)
本研究提出自回归去噪扩散模型DiAMoNDBack,可从仅含Cα坐标的粗粒度蛋白质表征逐残基恢复全原子细节,在多基准测试中取得最优重建性能,且已开源。
2023-07-23 cs.LG q-bio.BM stat.ML
Context-Guided Diffusion for Out-of-Distribution Molecular and Protein Design
University of Oxford(牛津大学);New York University(纽约大学)
本文提出上下文引导扩散(CGD),一种利用未标记数据和平滑性约束的即插即用方法,以提升扩散模型在分布外场景下的泛化能力,在药物发现、材料科学和蛋白质设计等领域取得显著性能提升。
2024-07-16 cs.LG q-bio.BM stat.ML
First-Passage Time Distribution and Non-Markovian Diffusion Dynamics of Protein Folding
我们利用统计能量景观理论研究了蛋白质折叠的动力学。我们专注于本地连接的情况下,在那里的构型变化只能发生在相邻的国家,与折叠的进展所描述的一个序参量的分数的原生构象。详细分析了非马尔可夫扩散动力学,得到了从非天然未折叠态到天然折叠态的平均首次通过时间(MFPT)表达式。结果发现,MFPT具有V形的温度依赖性。我们还发现,MFPT缩短,因为一个增加的本地和平均非本地折叠态的能量之间的差距相对于能量景观的波动。二阶和高阶矩的研究,以推断首次通过时间(FPT)的分布。在高温下,分布变得接近泊松分布,而在低温下,分布变成具有幂律尾部的Lévy样分布,表明折叠动力学的非自平均间歇行为。我们注意到这一结果可能与单分子动力学实验相关,在单分子动力学实验中,观察到下划线蛋白质能量景观的弛豫时间呈幂律(Lévy)分布。
2002-06-20 cond-mat.soft cond-mat.stat-mech q-bio.BM
Protein Design with Guided Discrete Diffusion
New York University(纽约大学);Prescient Design(Prescient设计公司);Genentech(基因泰克)
本研究提出离散扩散引导方法NOS以直接在序列空间做蛋白质设计,还推广出LaMBO-2方法,在抗体优化任务的体外实验中取得99%表达率和40%结合率。
2023-12-12 cs.LG q-bio.BM
Allosteric Communication Pathways and Thermal Rectification in PDZ-2 Protein: A Computational Study
蛋白质中的变构通讯是结构生物化学的一个中心而又尚未解决的问题。来自计算生物学的先前发现(Ota和Agard,2005)已经提出热通过同源蛋白质变构途径在蛋白质中扩散。这项工作研究了众所周知的PDZ-2蛋白质中的热扩散,并证实该蛋白质具有两个同源的变构途径,并且热量优先通过这些途径流动。此外,还观察到蛋白质结构的一个新特性-热量通过结构不对称地扩散。这种不对称热流的基础结构是一个正常长度的氢键(~2.85 π),充当热整流器。相比之下,热整流在短氢键(~2.60 Ω)中受到损害,导致对称热扩散。不对称的热扩散是由于,在一个更高的规模,当地的,结构组织的残留物,反过来,也介导的氢键。这种不对称/对称的能量流可能与蛋白质中的变构信号通信方向性以及材料科学中的热流控制有关。
2015-03-07 q-bio.BM
Harmonic Torsional Diffusion for Protein-Ligand Flexible Docking
AXXX
本文提出Harmony调和扭转扩散框架,通过对齐得分参数化与扩散过程几何,在PDBBind、PoseBusters基准及EBNA1、KRAS G12D案例中提升了蛋白质-配体柔性对接的精度与有效性。
2026-10-20 cs.LG q-bio.BM
Agentic End-to-End De Novo Protein Design for Tailored Dynamics Using a Language Diffusion Model
Massachusetts Institute of Technology(麻省理工学院);Carnegie Mellon University(卡内基梅隆大学)
本文提出 VibeGen 智能体双模型框架,以简正模式振动为条件端到端生成全新蛋白质,并经全原子模拟验证其可定制动力学。
2025-02-14 cond-mat.mes-hall cond-mat.mtrl-sci cs.LG
Diffusion probabilistic modeling of protein backbones in 3D for the motif-scaffolding problem
Massachusetts Institute of Technology(麻省理工学院);University of Washington(华盛顿大学)
构建一个支架结构,支持所需的基序,赋予蛋白质功能,显示出疫苗和酶的设计的希望。但是这个主题支架问题的一般解决方案仍然是开放的。目前用于支架设计的机器学习技术要么局限于不切实际的小支架(最长20),要么难以生产多种不同的支架。我们提出通过一个E(3)-等变图神经网络来学习不同的和更长的蛋白质主链结构的分布。我们开发了SMCDiff,以有效地从给定基序的条件下,从这个分布的支架样本;我们的算法是第一个从理论上保证条件样本从扩散模型在大计算限制。我们通过它们与AlphaFold 2预测结构的对齐程度来评估我们设计的主链。我们表明,我们的方法可以(1)样品支架多达80个残基和(2)实现结构多样的支架固定的基序。
2023-03-20 cs.LG q-bio.BM stat.ML
Monte Carlo Tree Diffusion with Multiple Experts for Protein Design
University of Chicago(芝加哥大学);Data Science Institute(数据科学研究所);Department of Biochemistry and Molecular Biology(生物化学与分子生物学系);Toyota Technological Institute at Chicago(芝加哥丰田技术研究所);Argonne National Laboratory(阿贡国家实验室);Princeton University(普林斯顿大学)
MCTD-ME通过结合多专家的蒙特卡洛树扩散方法,提升蛋白质设计任务的性能,特别是在反向折叠、折叠和条件设计挑战中表现优异。
2026-02-23 cs.AI cs.LG q-bio.BM
Autoregressive fragment-based diffusion for pocket-aware ligand design
University of California, San Francisco(加州大学旧金山分校);Genentech(基因泰克)
本文提出AutoFragDiff,一种基于片段的自回归扩散模型,在蛋白质口袋条件下生成三维分子,通过几何向量感知器预测片段原子类型与坐标,改善局部几何并保持结合亲和力,支持骨架延伸。
2023-12-15 cs.AI cs.LG physics.chem-ph
DiffBP: Generative Diffusion of 3D Molecules for Target Protein Binding
Zhejiang University(浙江大学);Texas A&M University(德克萨斯农工大学);Jingdong(京东)
针对现有自回归分子生成方法违背物理规则、生成分子性质差的问题,提出非自回归的DiffBP扩散模型,以靶蛋白为约束、用等变网络同时去噪全原子的类型与坐标,在亲和力、分子尺寸和类药性上性能具竞争力。
2024-07-14 cs.LG q-bio.BM
Generative Modeling of Full-Atom Protein Conformations using Latent Diffusion on Graph Embeddings
Signal Processing Laboratory (LTS2), EPFL, Lausanne, Switzerland(信号处理实验室(LTS2),瑞士洛桑联邦理工学院);Institute of Bioengineering, EPFL, Lausanne, Switzerland(生物工程研究所,瑞士洛桑联邦理工学院);Bioinformatics Group, University & Research Wageningen, The Netherlands(生物信息学组,荷兰瓦赫宁根大学及研究学院);Ludwig Institute for Cancer Research, Lausanne, Switzerland(癌症研究路易斯研究所,瑞士洛桑)
本文提出LD-FPG框架,利用ChebNet图神经网络与潜扩散模型从MD轨迹生成全原子蛋白质构象系综,在D2R数据集上以高保真度重现结构并恢复二面角分布。
2025-08-18 cs.LG q-bio.BM
A framework for conditional diffusion modelling with applications in motif scaffolding for protein design
University of Cambridge(剑桥大学)
本研究提出基于Doob h-变换的统一条件扩散框架,连接现有方法并提出新协议,在图像外推和蛋白质基序支架任务中优于标准方法。
2024-03-13 cs.LG q-bio.BM
On diffusion posterior sampling via sequential Monte Carlo for zero-shot scaffolding of protein motifs
Imperial College London(帝国理工学院)
本研究提出新型引导势函数,结合以Genie为先验的SMC辅助扩散后验采样器解决蛋白质基序零样本支架设计问题,在单/多基序任务及对称单体设计中取得良好效果。
2025-10-03 cs.LG q-bio.BM stat.ML
Fast non-autoregressive inverse folding with discrete diffusion
本文提出一种基于离散扩散的非自回归蛋白质逆折叠方法,通过微调ProteinMPNN并在CATH基准上实现23倍加速且性能不下降,同时支持推理速度与精度的灵活权衡。
2023-12-05 q-bio.BM stat.ML