Single-molecule study on the orientation of coiled-coil proteins attached to gold nanostructures
已经研究了在单分子水平上在基底上图案化生物分子的方法,作为具有单分子灵敏度的传感器的途径或作为在单分子水平上探测生物现象的方式。然而,单一生物分子在基底上的排列和取向研究较少。在这里,我们研究了两个棒状卷曲螺旋蛋白,皮质蛋白和原肌球蛋白,图案化的金纳米结构周围的安排和方向。卷曲螺旋的高纵横比使得有可能研究它们的取向,并通过两点连接来追求蛋白质取向的策略。使用巯基将蛋白质锚定到表面,并改变原肌球蛋白中半胱氨酸残基的数量以测试这种变化如何影响表面附着蛋白质的结构和排列。分子动力学研究被用来解释所观察到的位置分布。基于对蛋白质附着于金柱结构的初步研究,两个31 nm长的原肌球蛋白分子在宽度为68 nm的沟槽的两个侧壁之间对齐。由于本研究中提出的方法使用了20种天然氨基酸中的一种,因此该方法提供了一种使用标准化学方法在基底上对生物分子进行图案化的方便方法。
2015-08-08 q-bio.BM
Kinetic energy flows in activated dynamics of biomolecules
蛋白质构象变化是蛋白质功能所必需的活化过程。蛋白质中的活化不同于小分子中的活化,因为它涉及通过蛋白质结构中编码的优选通道的定向和系统的能量流。了解这些能量流动通道的性质以及在激活过程中能量如何通过它们流动对于理解蛋白质构象变化至关重要。我们最近开发了一个严格的统计力学框架来理解势能流。在这里,我们完成了这个理论框架与严格的理论动能流:潜在的和动能相互转换时,强制力反对惯性力,而动能直接从一个坐标转移到另一个时,惯性力反对对方。该理论被应用于分析生物分子构象动力学的原型系统:丙氨酸二肽的异构化。在这一过程的两个基本能量流通道中,二面角φ面对活化势垒,而二面角θ从势能流接收能量。有趣的是,theta通过直接的动能流将它所接收的所有能量转移到phi上,从而帮助phi越过活化势垒:势能流引起的theta的增加转化为phi的增加。作为补偿,θ通过直接机制从键角α接收动能,通过间接机制从键角β接收动能。
2020-07-13 physics.bio-ph q-bio.BM
Frustration In Physiology And Molecular Medicine
本文综述了蛋白质中局部阻挫概念的物理起源,论证其在蛋白质功能、识别、催化、别构调节及病理中的关键作用,并拓展至基因调控网络和脑神经网络等更高层次系统。
2025-02-06 cond-mat.soft physics.bio-ph q-bio.BM
Mapping the path to Cryogenic Atom Probe Tomography Analysis of biomolecules
本研究系统分析了冷冻水溶液中氨基酸在纳米多孔金属支撑体上的APT行为,利用水分子离子比率描述静电场条件,为建立生物分子低温APT分析指南奠定基础。
2024-04-19 physics.bio-ph q-bio.BM
Intuitive representation of surface properties of biomolecules using BioBlender
在Zini等人的这篇和相关文章“BioBlender:Fast and Efficient All Atom Morphing of Proteins Using Blender Game Engine”中,我们提出了BioBlender,一个完整的工具,用于阐述运动(Zini等人)。以及蛋白质和其他大分子的可视化(这里),使用计算机图形工具。蛋白质结构的可用性使得能够基于原子贡献来研究它们的表面和表面性质,例如静电势(EP)和亲水性(MLP)。3D动画和渲染软件的最新进展尚未用于以直观的动画形式表示蛋白质和其他生物分子。利用开源的3D动画和渲染软件Blender,我们开发了BioBlender,这是一个专门用于生物工作的软件包:详细说明蛋白质的运动,同时可视化化学和物理特征。EP和MLP使用物理化学程序和自定义程序和脚本计算,在BioBlender界面中组织和访问。一个新的视觉代码引入MLP可视化:一系列的光学功能,允许其在蛋白质表面上的空间分布的逼真渲染。EP被表示为沿着与蛋白质的总电荷成比例的场线流动的动画线粒子。我们的系统允许EP和MLP可视化的分子,并在移动的蛋白质的情况下,这些功能的连续感知,计算每个中间构象。使用真实世界的触觉/视觉感觉,蛋白质的纳米级世界变得更容易理解,更熟悉我们的日常生活,更容易引入“看不见”的现象(概念),如亲水性或电荷。
2012-06-27 cs.GR q-bio.BM
Capturing the essence of folding and functions of biomolecules using Coarse-Grained Models
生物分子及其复合物可以发挥作用的距离从几纳米(折叠结构)到几毫米(例如染色体组织)不等。描述涵盖如此不同长度和时间尺度的现象,需要模型来捕捉特定长度尺度的潜在物理学。理论思想,特别是来自聚合物物理学的概念,指导了粗粒度模型的发展,以研究DNA,RNA和蛋白质的折叠。最近,此类模型及其变体已应用于生物纳米机器的功能。使用粗粒度模型的模拟现在准备解决生物学中的广泛问题。
2011-09-27 cond-mat.soft physics.bio-ph q-bio.BM
A new twist on PIFE: photoisomerisation-related fluorescence enhancement
本综述提出将PIFE重新命名为“与光异构化相关的荧光增强”,探讨其机制、优势、定量方法及在生物分子相互作用研究中的应用。
2023-07-10 q-bio.BM q-bio.QM
Reassessing the Exon-Foldon correspondence using Frustration Analysis
本研究利用能量景观理论测量评估了38个保守蛋白家族的外显子边界保守性,发现外显子大小分布偏离指数衰减且片段具有独立可折叠性,支持了外显子-折叠子对应关系,并基于外显子边界热点系统划分蛋白结构域,揭示了最小公共外显子。
2024-01-04 q-bio.BM
Bi-TEAM: A Unified Cross-Scale Representation Learning Framework for Chemically Modified Biomolecules
The Chinese University of Hong Kong(香港中文大学);Macao Polytechnic University(澳门理工学院);The Second Xiangya Hospital of Central South University(中南大学湘雅二医院);University of Electronic Science and Technology of China(电子科技大学);Zhejiang University(浙江大学)
Bi-TEAM 通过统一生物语义与化学精度,提供了一种统一的跨尺度表示学习框架,用于化学修饰生物分子的高效建模与预测。
2026-03-02 q-bio.BM
Small angle x-ray scattering experiments of monodisperse samples close to the solubility limit
通过液液相分离(LLPS)将生物分子缩合成生物分子凝聚体是驱动细胞组织的普遍存在的机制。为了实现这些功能,生物分子已经进化为驱动LLPS并促进分配成生物分子凝聚体。确定编码LLPS的蛋白质的分子特征将为过多的生物过程提供重要的见解。有问题的是,直接探测生物分子密相通常在技术上是困难的或不可能的。通过利用生物分子在稀溶液和密相中的构象行为之间的对称性,可以通过对稀相的精确测量来推断对相分离至关重要的细节,从而规避密相的复杂表征。稀相和密相之间的对称性在生物分子的构象系综的大小和形状中被发现-这些参数是小角X射线散射(SAXS)理想地适合于探测的。最近的技术进步使得能够在足够低的浓度下准确地表征内在无序蛋白区域的样品,以避免分子间吸引、寡聚化或聚集的干扰,所有这些都是以前表征自组装蛋白的障碍。在此,我们描述了测量这些样品所固有的陷阱,规避这些问题所需的细节和分析方法,将SAXS测量结果放入LLPS的理论框架中。
2020-03-03 q-bio.BM q-bio.QM
Frustration, function and folding
天然蛋白质分子是特殊的聚合物。这些物体显然是由随机的氨基酸串编码的,它们执行着明确的物理任务,而这些任务是很难通过简单的偶然发现的。精确的折叠、特异性结合、强大的催化作用是大多数多肽不显示的基本化学活性的例子,并且被认为是蛋白质自然历史的结果。功能是生物学中的一个真正概念,是进化的核心,经常与物理限制相冲突。在一个循环系统中,找出不同目标之间的挫折感,可以让我们对塑造生物信息编码的机会和必要性有一个基本的认识。
2017-10-06 q-bio.BM
Computation of protein geometry and its applications: Packing and function prediction
本章讨论了生物分子的几何模型和几何构造,包括球模型的并集、加权Voronoi图、加权Delaunay三角剖分和alpha形状。这些几何构造使得能够快速和分析计算生物分子的形状(包括诸如空隙和口袋的特征)和度量性质(诸如面积和体积)。文中还介绍了Delaunay三角剖分算法、空洞和口袋的计算以及体积/面积的计算。此外,还讨论了它在蛋白质结构堆积分析和蛋白质功能预测中的应用。
2006-01-14 q-bio.BM
Different approaches to unveil biomolecule configurations and their mutual interactions
一种新的技术,克服了重要的缺点,交联细胞照射超短紫外激光脉冲(L-交联)。为了在高通量背景下使用这种与染色质免疫沉淀(ChIP)结合的技术,需要实施预筛选快速方法以建立细胞样品的合适照射条件,用于有效的L-交联,而无需最终和长时间的ChIP分析。本文报道了一种快速的方法,首先用编码雌激素受体α(ERα)的载体转染活的人类细胞,连接到绿色荧光蛋白(ERα-GFP)上,这样,通过研究照射细胞的荧光反应,就可以检测细胞DNA的雌激素受体元件(ERE)区域与ERα蛋白之间众所周知的相互作用。通过观察DNA完整性、蛋白质稳定性和细胞活力来表征UV照射对细胞诱导的损伤。第二种新方法是分析或重新访问DNA和RNA序列及其分子构型。这种方法基于来自Chern-Simons超重力的方法,适用于描述DNA/RNA串中的突变以及核酸之间的相互作用。作为初步案例,我们分析了KRAS人类基因序列及其一些突变。有趣的是,我们的模型显示了Chern-Simons电流如何能够表征序列内的突变,特别是给出突变可能性的定量指示。
2020-01-13 q-bio.BM
Software package for simulations using the coarse-grained CALVADOS model
该研究提出基于OpenMM和粗粒化CALVADOS模型的生物分子模拟软件包,支持多种生物分子模拟,介绍其力场、设计架构与使用方法,且免费开源便于扩展。
2025-04-14 q-bio.BM
SF-Cluster: Frustration-Guided MSA Subsampling for Alternative Protein Conformation Recovery
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);University of Pennsylvania(宾夕法尼亚大学);The Chinese University of Hong Kong(香港中文大学)
提出SF-Cluster方法,利用预测的局部能量挫折模式对MSA进行子采样,以恢复替代蛋白质构象,在48个基准案例中优于AF-Cluster,尤其在变构系统中提升15.5个百分点。
2026-06-30 q-bio.BM
Folding Rate Optimization Promotes Frustrated Interactions in Entangled Protein Structures
蛋白质的许多天然结构容纳复杂的拓扑基序,如结,套索和其他几何缠结。蛋白质如何在这种拓扑障碍存在的情况下快速折叠是结构生物学中一个有争议的问题。最近,基于经验观察,即纠缠中涉及的环通过氨基酸之间的弱相互作用在其极值处稳定,提出了能量挫折可能是避免拓扑挫折的机制的假设。为了验证这个想法,我们使用了一个玩具格子模型,将蛋白质折叠成两个几乎相同的结构,一个纠缠,一个不纠缠。正如预期的那样,当随机序列折叠成纠缠结构时,折叠时间更长。这在通过优化折叠时间模拟的进化压力下也成立。事实证明,纠缠结构中的优化蛋白质序列实际上是以纠缠环闭合处的受抑相互作用为特征的。这种现象在不存在纠缠的控制情况下增强得少得多。我们的研究结果,这是在协议与实验观察,证实了这样的想法,即进化的压力形状的折叠漏斗,以避免拓扑和动力学陷阱。
2019-11-19 cond-mat.soft physics.bio-ph q-bio.BM
Persistent Manifold Learning of Protein Properties
University of Florida(佛罗里达大学);Auburn University(奥本大学);University of Georgia(佐治亚大学)
该研究针对生物分子结合预测难题,提出持久流形学习框架,利用边界诱导图拉普拉斯算子提取信息,结合相关模型表示与梯度提升决策树,在金属蛋白-配体和蛋白质-蛋白质基准测试中表现优于现有方法。
2026-07-29 q-bio.BM
A new method for binary classification of proteins with Machine Learning
University of Florence(佛罗伦萨大学);University of Perugia(佩鲁贾大学)
在这项工作中,我们着手寻找一种使用深度学习方法对蛋白质结构进行分类的方法。我们的人工智能已经过训练,可以识别从蛋白质数据库(PDB)数据库中推断出来的复杂生物分子结构,并将其重新处理为图像;为此,已经使用预先训练的卷积神经网络(如InceptionResNetV 2或InceptionV 3)进行了各种测试,以便从这些图像中提取重要特征并正确分类分子。因此,将对各种网络的性能进行比较分析。
2021-11-03 cs.LG q-bio.BM
Small-angle scattering studies of intrinsically disordered proteins and their complexes
内源性无序蛋白(IDP)具有广泛的生物学功能。它们的相关性激发了强烈的研究活动,寻求表征它们的序列/结构/功能关系。然而,这些分子的构象可塑性阻碍了传统的结构方法的应用,新的工具和概念正在开发,以解决它们带来的挑战。小角散射(SAS)是一种结构生物学技术,用于探测无序蛋白质及其与其他生物分子复合物的大小和形状。SAS的低分辨率特性可以通过专门设计的计算工具及其与互补结构信息的组合解释来补偿。在这篇综述中,我们描述了SAS应用于无序蛋白质和高度灵活的复合物的最新进展,并讨论了当前的挑战。
2016-11-07 physics.bio-ph q-bio.BM
Modeling Protein Contact Networks
蛋白质是一类重要的生物分子,作为细胞的基本组成部分。它们的三维结构负责它们的功能。在这篇论文中,我们用网络理论的方法研究了蛋白质的结构。在这样做的时候,我们使用了一种粗粒度的方法,即,复杂网络分析我们在两个长度尺度上对蛋白质结构进行建模,即蛋白质接触网络(PCN)和长程相互作用网络(LIN)。我们发现,蛋白质由于具有大量的聚类特征,是小世界网络。除了小世界性质,我们发现蛋白质还有另一个一般性质,即,不确定性。这是一个有趣而特殊的发现,因为所有其他复杂网络(除了社交网络)都是离散的。重要的是,我们可以通过建立适当的控制来确定一个主要的拓扑决定因素。
2007-11-16 q-bio.BM q-bio.MN
Structural ensembles of disordered proteins from hierarchical chain growth and simulation
紊乱的蛋白质和核酸在细胞功能和疾病中起关键作用。在这里,我们回顾了最近的进展,在计算探索的构象动力学的柔性生物分子。我们专注于分层链增长(HCG)从片段库建立原子分子动力学模拟。HCG以统计学上可重复的方式将链片段组合成全长原子详细的生物分子结构的集合。输入片段结构通常从分子动力学模拟收集,但也可以来自结构数据库。实验数据可以在链条装配期间和之后进行整合。应用于神经变性相关蛋白$α$ -突触核蛋白、tau和TDP-43,包括作为缩合物,说明了HCG的使用。最后,我们强调了与基于AI的结构建模的新兴联系。
2022-10-28 physics.bio-ph physics.chem-ph q-bio.BM
Persistent homology analysis of protein structure, flexibility and folding
蛋白质是生物体中最重要的生物分子。对蛋白质结构、功能、动力学和转运的理解是生物科学中最具挑战性的任务之一。在本工作中,持久同源性,首次引入提取分子拓扑指纹(MTF)的基础上的分子拓扑不变量的持久性。MTF用于蛋白质表征、鉴定和分类。提出了一种基于切片的蛋白质拓扑不变量几何起源跟踪方法。构造了MTF的全原子表示和粗粒度表示。提出了一种新的类截止滤波方法,用以解决弹性网络模型中的最优截止距离问题。基于蛋白质的紧密性、刚性和连接性之间的相关性,提出了一种基于持久拓扑不变量的蛋白质柔性定量建模方法。为此,开发了基于相关矩阵的过滤。这种方法可以准确预测蛋白质B因子分析中使用的最佳特征距离。最后,利用传递函数表征了蛋白质折叠过程中蛋白质的拓扑演化,并定量预测了蛋白质折叠的稳定性。我们的持久同源性预测与分子动力学模拟结果具有很好的一致性,揭示了蛋白质的拓扑-功能关系。
2014-12-08 q-bio.BM
Surface Induced Frustration of Inherent Dipolar Order in Nanoconfined Water
本文结合分子动力学与统计分析,研究狭缝孔、纳米管、纳米球及蛋白质水合层中表面诱导的水分子取向重排与偶极互相关,并以乙腈区分氢键和几何效应。
2025-06-11 cond-mat.soft cond-mat.stat-mech q-bio.BM
Investigating Biological Matter with Theoretical Nuclear Physics Methods
强相互作用系统的内部动力学和生物分子(如蛋白质)的内部动力学显示出几个重要的相似之处,尽管它们的特征能量和长度尺度存在巨大差异。例如,在所有这样的系统中,集体激发、合作跃迁和相变都是强关联与量子或热涨落相互作用的结果。鉴于这样的观察,一些最初在理论核物理背景下发展起来的理论方法已经被用来研究生物分子的动力学。在这次演讲中,我们回顾了我们最近沿着这个方向进行的一些研究。特别是,我们讨论了如何的路径积分制定的分子动力学允许克服一些长期存在的问题和局限性时出现的蛋白质折叠动力学模拟在原子层次的细节。
2011-08-25 hep-lat hep-ph nucl-th
Learning from Protein Structure with Geometric Vector Perceptrons
Stanford University(斯坦福大学)
大型生物分子的3D结构学习正在成为机器学习的一个独特领域,但尚未出现一个统一的网络架构,同时利用问题域的图形结构和几何方面。为了解决这一差距,我们引入几何矢量感知器,它扩展了标准的密集层,以操作欧几里德向量的集合。图神经网络配备了这样的层能够执行几何和关系推理的高分子结构的有效和自然的表示。我们展示了我们的方法上的两个重要问题,从蛋白质结构学习:模型质量评估和计算蛋白质设计。我们的方法改进了现有的架构类,包括最先进的基于图形和基于体素的方法。我们在https://github.com/drorlab/gvp上发布代码。
2021-05-16 cs.LG q-bio.BM stat.ML
Demystifying Multimodal Biomolecular Co-design With Intrinsic Geodesic Coupling
University of California, Berkeley(加州大学伯克利分校);Stanford University(斯坦福大学)
针对生物分子协同设计中模态间时间耦合被忽视的问题,提出GeoCoupling框架优化异构模态的时间耦合,在基于结构的药物设计和无条件蛋白质设计中提升物理有效性和多样性。
2026-06-01 cs.AI q-bio.BM
Protein Structure Prediction: The Next Generation
在过去的10-15年里,从统计力学的角度对蛋白质折叠的化学反应有了普遍的认识。从基于能量景观思想的蛋白质折叠动力学中吸取的经验教训有益于蛋白质结构预测,特别是粗粒度模型的开发。我们调查的结果从盲目的结构预测。我们探讨如何第二代预测能量函数可以通过引入信息从以前模拟的结构合奏。这一程序依赖于一个漏斗形的能源景观的假设,符合最小挫折的原则。与基于序列比对选择的实验蛋白质结构相比,第一代模拟结构为关联记忆能量函数提供了改进的输入。
2006-06-12 q-bio.BM
Character-level Tokenizations as Powerful Inductive Biases for RNA Foundational Models
Nostrum Biodiscovery(诺斯特伦生物发现公司);Institute for Research in Biomedicine (IRB Barcelona), The Barcelona Institute of Science and Technology(巴塞罗那科学技术研究所生物医药研究所(IRB巴塞罗那));Barcelona Supercomputing Center(巴塞罗那超级计算中心)
针对RNA基础模型性能落后于蛋白质模型的问题,提出参数高效的ChaRNABERT模型,通过可学习的字符级分词在多项基准任务上达到最先进性能,并扩展至RNA-蛋白质等相互作用预测。
2024-11-05 cs.AI cs.LG q-bio.BM
Integrative modelling of protein-glycan interactions with HADDOCK3
Utrecht University(乌得勒支大学)
本文介绍利用HADDOCK3整合建模蛋白质-糖类相互作用的步骤,通过实验结构验证,提供输入准备、约束定义、对接设置及结果分析的详细指导,适用于多种蛋白质-糖类复合物。
2026-03-18 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
Design of Ligand-Binding Proteins with Atomic Flow Matching
针对现有配体结合蛋白设计需已知结合构象的局限,该研究提出基于流匹配的AtomFlow模型,仅用靶分子2D图即可生成高保真结合蛋白,性能比肩前沿模型且具通用潜力。
2024-09-18 q-bio.BM
An Introduction to Biomolecular Simulations and Docking
活细胞内和周围的生物分子--蛋白质、核酸、脂质、碳水化合物--不断地对在生理温度下可热接触的无数构象状态进行采样。同时,给定的生物分子还对由其他生物聚合物、小分子、水、离子等组成的快速波动的局部环境进行采样(并被采样),所述局部环境扩散到几纳米内,导致将大的超分子组装体缝合在一起的分子间接触。事实上,所有的生物系统都可以被看作是分子相互作用的动态网络。作为实验的补充,分子模拟提供了一种独特的强大方法来分析生物分子的结构,机制和动力学;这是可能的,因为定义复杂生物分子系统的分子接触受到表征单个小分子的相同物理原理(力,能量学)的控制,并且这些更简单的系统相对容易理解。随着现代算法和计算能力,模拟现在是一个不可或缺的工具,检查生物分子组件的原子细节,从构象运动在一个单独的蛋白质的扩散动力学和分子间碰撞在形成细胞规模的组件,如核糖体的早期阶段。本文主要从生物分子相互作用的角度介绍了分子模拟和对接的物理化学基础。
2014-07-14 q-bio.BM
A Generalist Cross-Domain Molecular Learning Framework for Structure-Based Drug Discovery
Alibaba Cloud Computing(阿里云);Zhejiang University(浙江大学);Nanjing University of Posts and Telecommunications(南京邮电大学);Zhejiang University School of Medicine(浙江大学医学院)
提出通用基础模型BIT,通过混合专家架构实现跨域深度融合与编码,并在统一自监督任务上预训练,显著提升结合亲和力预测等下游药物发现任务性能。
2025-03-06 cs.AI cs.LG q-bio.BM
Prediction of Flavin Mononucleotide (FMN) Binding Sites in Proteins Using the 3D Search Motif Method and Double-Centroid Reduced Representation of Protein 3D Structures
药效团由配体结构的足以表达配体的生物学和药理学作用的部分组成。它通常是配体整个结构的亚结构。细胞中称为配体或代谢物的小有机分子与生物分子(通常是蛋白质)形成复合物,以达到不同的目的。配体结合的位点被称为配体结合位点,其基本上是“口袋”,其具有与配体互补的形状和电荷分布模式。有时,口袋是由配体本身诱导的。如果我们研究配体的不同结合构象,则发现它们共享特定的三维模式,该模式或多或少常见并且负责其结合,并且在三维几何形状和电荷分布模式上与其在蛋白质中的同源结合位点互补。本文研究了配体FMN的共有配体结合位点的三维结构。制备配体结合位点的训练集,并确定FMN的3D共有结合位点基序。研究了FMN系统及其各自调节蛋白中的结合位点。通过扫描蛋白质3D结构中的3D结合位点共有基序来识别配体结合位点的能力是药物靶点发现的重要步骤。一旦发现药效团模板,它也可以用来设计其他潜在的分子,可以结合到它,从而作为新的药物。
2015-12-14 q-bio.BM
Advances of Deep Learning in Protein Science: A Comprehensive Survey
本综述系统梳理了深度学习在蛋白质科学中的最新进展,涵盖基础技术、典型应用、现存挑战及未来方向,为相关研究者提供参考,推动蛋白质研究发展。
2024-03-08 q-bio.BM
End-to-End Learning on 3D Protein Structure for Interface Prediction
Stanford University(斯坦福大学)
尽管实验确定的生物分子的原子详细结构的数量激增,但结构生物学中的许多关键任务仍然是数据有限的。在这些任务中的性能是否可以通过使用切线相关的结构数据的大型存储库来提高仍然是一个悬而未决的问题。为了解决这个问题,我们集中在生物学的一个中心问题上:预测蛋白质如何相互作用,也就是说,一种蛋白质的哪些表面与另一种蛋白质的表面结合。我们建立了一个训练数据集,即相互作用蛋白质结构数据库(DIPS),它包含偏差,但比以前使用的大两个数量级。我们发现,这些偏差显着降低了现有方法对金标准数据的性能。假设这些方法所依赖的手工特征中的假设是问题的根源,我们开发了第一个用于蛋白质界面预测的端到端学习模型,即Siamese Atomic Surfacelet Network(SASNet)。SASNet仅使用原子的空间坐标和身份,即使只在我们新数据集的3%上训练,也优于在黄金标准结构数据上训练的最先进方法。代码和数据可在https://github.com/drorlab/DIPS获得。
2019-12-26 cs.LG q-bio.BM stat.ML
Advances in Protein Representation Learning: Methods, Applications, and Future Directions
The University of Alabama at Birmingham(阿拉巴马大学伯明翰分校)
本文系统综述了蛋白质表示学习的方法、数据库、应用与挑战,将其分为特征、序列、结构、多模态和复合物五类,并展望未来方向。
2025-05-08 cs.LG q-bio.BM
CONFIDE: Hallucination Assessment for Reliable Biomolecular Structure Prediction and Design
CONFIDE通过结合能量和拓扑视角,提升AlphaFold3等模型的可靠性,显著提高分子结构预测质量评估,并拓展至多种药物设计任务。
2025-11-20 cs.AI q-bio.BM
Statistical Inference of a canonical dictionary of protein substructural fragments
蛋白质是生命的生物分子。它们折叠成各种各样的三维(3D)形状。在这些折叠模式之下是许多反复出现的结构片段或积木(类似于“乐高积木”)。本文报道了一种创新的统计推断方法,发现一个全面的字典的蛋白质结构积木从一个大语料库的实验确定的蛋白质结构。我们的方法是建立在贝叶斯和信息理论的最小消息长度的标准。据我们所知,这项工作是第一次系统和严格的处理一个非常重要的数据挖掘问题,出现在结构生物信息学的跨学科领域。我们发现的字典的质量是通过它的解释能力来证明的-已知3D结构的语料库中的任何蛋白质都可以被解剖成分配给该字典片段的连续区域。这导致了一种新的一维表示的三维蛋白质折叠模式,适合于应用程序的字符串处理算法的丰富的剧目,快速识别新确定的结构的折叠模式。本文介绍了用于推断积木字典的方法的细节,并通过说明性的例子来证明其有效性和实用性。
2013-10-05 q-bio.BM q-bio.QM
Neural Upscaling from Residue-level Protein Structure Networks to Atomistic Structure
UC Irvine(加州大学欧文分校);San Jose State University(圣何塞州立大学)
粗粒化是扩展蛋白质和其他生物大分子动力学模型范围的有力工具。拓扑粗粒化,其中生物分子或其集合通过图形结构表示,是获得分子结构的高度压缩表示的特别有用的方式,并且通过这种表示操作的模拟可以实现大量的计算节省。然而,粗粒度化的一个缺点是原子细节的丢失--这种影响对于蛋白质结构网络(PSN)等拓扑表示尤其严重。在这里,我们介绍了一种基于组合的机器学习和物理指导的细化从PSN推断原子坐标的方法。这种“神经升级”过程利用了PSN对可能配置的约束,以及用相同PSN观察不同配置的可能性的差异。使用1 $μ$的原子分子动力学轨迹的A $β_{1-40}$,我们表明,神经放大能够有效地概括详细的结构信息的内在无序蛋白,特别是成功地恢复功能,如瞬时二级结构。这些结果表明,蛋白质结构和动力学的可扩展的基于网络的模型可用于原子细节是理想的设置,与upscaling采用从PSN估算原子坐标。
2021-08-25 cs.LG physics.data-an q-bio.BM
Sucralose Interaction with Protein Structures
三氯蔗糖是一种常用的人工甜味剂,似乎会破坏蛋白质天然结构的稳定性。这与其天然对应物蔗糖的生物防腐性质形成直接对比,蔗糖增强了生物分子对环境压力的稳定性。我们进一步探索了三氯蔗糖与蔗糖的分子相互作用,以阐明其生物防腐功效差异的起源。我们表明,三氯蔗糖和蔗糖在本体溶液中的相互作用模式的微妙不同,使用水合动力学测量和计算模拟。在室温下,中等浓度(<0.2 M)的三氯蔗糖似乎不会干扰蛋白质的天然状态。然而,随着浓度的增加,或在热应激状态下,三氯半乳蔗糖与蛋白质的相互作用似乎不同,导致天然状态稳定性降低。这种相互作用的差异似乎很弱。我们探讨了使用时间分辨光谱技术的优先排除模型的差异,并观察到这两种分子似乎是有效的减少散装水化动力学。然而,三氯蔗糖的氯化似乎略微增强了分子的疏水性,这降低了三氯蔗糖从蛋白质-水界面的优先排斥。三氯蔗糖与蛋白质表面疏水口袋的弱相互作用不同于蔗糖的行为。我们实验跟进后,这种弱相互作用的程度,使用等温滴定量热法(ITC)测量。我们认为这可能是它们生物防腐性能差异的原因。
2017-07-23 physics.bio-ph physics.chem-ph q-bio.BM