Introduction to Protein Structure
本书作为结构生物信息学入门教材，系统介绍蛋白质结构量化、预测及模拟与动力学的计算技术，并提供实用应用指导。
2023-07-06 q-bio.BM
Structure determination
虽然有许多关于蛋白质结构，分子模拟，热力学和生物信息学方法的好教科书，但在结构生物信息学领域没有好的入门级书籍。这本书的目的是给一个结构生物信息学，这是以前的主题满足通过计算分析探索三维蛋白质结构的介绍。我们提供了现有的计算技术的概述，验证，模拟，预测和分析蛋白质结构。更重要的是，它旨在提供关于如何以及何时使用这些技术的实用知识。我们将从三个主要的优势点考虑蛋白质：蛋白质结构定量，蛋白质结构预测，蛋白质模拟和动力学。这项工作的主要重点是提供一个蛋白质结构测定的实验技术的背景。重点是X射线晶体学和核磁共振光谱（NMR），这是迄今为止用于确定可溶性蛋白质结构的主要方法。我们还将介绍低温电子显微镜（cryo-EM）和电子衍射，它们更适合于分析膜蛋白和较大的蛋白质复合物。最后，总结了更多的定性技术，用于获得对蛋白质的整体结构和动力学的洞察。请注意，这篇蛋白质结构测定的介绍旨在让读者熟悉不同的实验技术，它们的优点和瓶颈，但对这一概念的全面数学和技术描述超出了本文的范围。
2021-08-05 q-bio.BM
Structural Investigations into Shwachman Bodian Diamond Syndrome SBDS using a Bioinformatics Approach
导致疾病的错义突变的功能相关性仍然是理解遗传疾病基础的挑战。这对于与疾病相关的蛋白质尤其如此，对于这些蛋白质没有可用的三维结构。一种这样的疾病是Shwachman Diamond综合征SDS OMIM 260400，一种由功能突变丧失引起的多系统疾病。智人Shwachman Bodian钻石综合征基因hSBDS负责SDS。hSBDS在所有组织中表达并编码250个氨基酸的蛋白质SwissProt登录号Q9Y3A5。疾病相关等位基因的序列分析已经在受影响的个体中鉴定出20多种不同的突变。虽然许多这些突变已被描述为由于截短、翻译或表面表位缔合而导致蛋白质功能丧失，但由于SBDS缺乏三维结构，这些突变的结构基础尚未确定。
2010-01-30 q-bio.BM
Thermodynamics of Protein Folding
本文作为结构生物信息学教材章节，从熵和焓的角度深入阐述蛋白质折叠中的自由能，并讨论温度对自由能景观及微观与宏观状态的影响。
2023-07-06 q-bio.BM
Introduction to Protein Folding
本文作为结构生物信息学教材的导论章节，介绍蛋白质折叠的基本物理化学概念、稳定与去稳定因素及折叠路径，为后续热力学内容奠定基础。
2023-07-06 q-bio.BM
Structure Alignment
本书作为结构生物信息学入门教材，系统介绍蛋白质结构量化、预测和模拟的计算方法，并重点阐明结构比对相比序列比对在发现远缘蛋白质相似性方面的独特价值。
2023-07-06 q-bio.BM
Monte Carlo for Protein Structures
本文介绍利用配分函数直接进行蛋白质蒙特卡洛模拟的方法，无需显式计算力与时间，通过比较状态间相对稳定性寻找最稳定构象，为结构生物信息学提供入门级实用知识。
2023-07-06 q-bio.BM
Function Prediction
本文介绍结构生物信息学入门内容，涵盖蛋白质结构量化、预测和模拟，并重点探讨在缺乏实验数据时如何预测从残基到通路水平的蛋白质功能及其现有方法。
2023-07-06 q-bio.BM
Molecular Dynamics
本书作为结构生物信息学入门教材，系统介绍蛋白质结构量化、预测及分子动力学模拟的计算方法，并通过MD模拟研究蛋白质动态行为及其应用。
2023-07-06 q-bio.BM
Protein Models Comparator: Scalable Bioinformatics Computing on the Google App Engine Platform
计算机生成的蛋白质结构模型之间的比较是蛋白质结构预测的重要组成部分。它有许多用途，包括模型质量评估，从大量候选模型中选择最终模型，或优化无模板建模和细化中使用的能量函数参数。虽然许多蛋白质比较方法可以在许多网络服务器上在线获得，但它们并不适合大规模模型比较：（1）它们使用旨在比较实际蛋白质的方法，而不是同一蛋白质的模型，（2）它们中的大多数只提供单个成对结构比较，并且无法扩展到所需的数千次比较。为了弥合蛋白质和模型结构比较之间的差距，我们开发了蛋白质模型比较器（pm-cmp）。为了能够按需提供可扩展性并处理大型比较实验，pm-cmp是在“云中”实现的。Protein Models Comparator是一个可扩展的Web应用程序，用于快速比较蛋白质模型与RMSD，GDT TS，TM评分和Q评分测量。它运行在Google App Engine（GAE）云平台上，展示了如何使用新兴的PaaS（平台即服务）技术来简化可扩展生物信息学服务的开发。pm-cmp的功能可通过API访问，该API允许实验提交和结果检索的完全自动化。Protein Models Comparator是在Affero GNU公共许可证上发布的免费软件，其源代码可在以下网址获得：http://www.infobiotics.org/pm-cmp本文介绍了一个新的Web应用程序，该应用程序解决了大规模模型特定蛋白质结构比…
2011-07-26 cs.CE cs.DC q-bio.BM
Persistent topology of protein space
蛋白质折叠分类是结构生物学和生物信息学中的经典问题。我们使用持久同源性来解决这个问题。特别是，我们使用阿尔法形状过滤比较的拓扑表示的数据与不同的表示，利用结理论的想法。我们使用基于角度的联合和个体变异解释（AJIVE）的统计方法来理解这些表示之间的相似性和差异。
2021-08-19 q-bio.BM
Structural Property Prediction
本书为结构生物信息学提供入门介绍，涵盖蛋白质结构量化、预测及模拟，并重点讲解利用机器学习预测二级结构、表面可及性等结构性质的方法，以及交叉验证和基准测试概念。
2023-09-06 q-bio.BM
Recognition of potential Covid-19 drug treatments through the study of existing protein-drug and protein-protein structures: an analysis of kinetically active residues
我们报告了基于各种生物信息学预测方法的应用，对获批药物作为COVID 19潜在治疗方法的研究结果。研究的药物包括氯喹、伊维菌素、瑞德西韦、索非布韦、博赛泼韦和α-二氟甲基鸟氨酸（DMFO）。我们的研究结果表明，这些小分子选择性地结合到稳定的，动力学活性的残基和残基毗邻它们的表面上的蛋白质和内部的蛋白质口袋，有些人更喜欢疏水超过其他活性位点。我们的方法不仅限于病毒，而且可以促进合理的药物设计，并提高我们对分子相互作用的理解。
2020-08-09 q-bio.BM
A novel methodology on distributed representations of proteins using their interacting ligands
蛋白质的有效表示是一项至关重要的任务，直接影响许多生物信息学问题的性能。相关蛋白质通常与相似的配体结合。已知配体的化学特征捕获蛋白质的功能和机械性质，这表明基于配体的方法可以用于蛋白质表示。在这项研究中，我们提出了SMILESVec，一个基于SMILES的方法来表示配体和一种新的方法来计算蛋白质的相似性，通过描述他们的配体的基础上。利用其配体的SMILES字符串的字嵌入来定义蛋白质。在使用TransClust和MCL算法的蛋白质聚类任务中，对所提出的蛋白质描述方法的性能进行了评估。另外两种利用蛋白质序列的蛋白质表示方法，BLAST和ProtVec，以及两种基于复合指纹的蛋白质表示方法进行了比较。我们表明，基于配体的蛋白质表示，它只使用SMILES字符串的配体蛋白质结合，以及蛋白质序列为基础的表示方法在蛋白质聚类。结果表明，基于配体的蛋白质描述可以替代传统的基于序列或结构的蛋白质表示，这种新的方法可以应用于不同的生物信息学问题，如预测新的蛋白质-配体相互作用和蛋白质功能注释。
2018-01-30 q-bio.BM stat.ML
Reconstruction of protein structures from a vectorial representation
我们表明，接触地图的天然结构的球状蛋白质，可以重建从接触地图的主特征向量的唯一知识，并为此目的提出了一个精确的算法。我们的算法产生一个独特的接触地图的所有221个球状结构的PDB选择25的长度$N \le 120$。我们还表明，重建的接触地图允许反过来准确重建的三维结构。这些结果表明，由接触图的主特征向量提供的约化向量表示等价于蛋白质结构本身。这种表示法有望为蛋白质结构比较和比对的生物信息学算法提供一个有用的工具，同时也是蛋白质结构预测的一个有前途的中间步骤。
2004-04-13 q-bio.BM
Improving protein threading accuracy via combining local and global potential using TreeCRF model
蛋白质结构预测一直是生物信息学中的一个待解决的问题。蛋白质结构预测主要有两类方法：自由建模（FM）和基于模板的建模（TBM）。蛋白质穿线属于基于模板的建模范畴，通过在靶蛋白和模板蛋白之间进行序列-结构比对来识别与靶最可能的折叠。虽然蛋白质穿线已被证明是更成功的蛋白质结构预测，它表现不佳的远程同源性检测。
2015-09-11 q-bio.BM q-bio.QM
CABS-flex standalone 3: an open command-line platform for protein flexibility simulation, peptide structure modeling, and protein-peptide docking
Faculty of Chemistry, Biological and Chemical Research Centre, University of Warsaw（华沙大学化学学院生物与化学研究中心）
提出CABS-flex standalone 3，一个基于CABS粗粒化模型的开放命令行平台，用于蛋白质柔性模拟、肽结构建模和蛋白质-肽对接，结合全原子重建与分析。
2026-06-24 q-bio.BM
Abstractions, Algorithms and Data Structures for Structural Bioinformatics in PyCogent
为了促进灵活和有效的结构生物信息学分析，PyCogent引入了三维结构处理和分析的新功能，PyCogent是一个流行的功能丰富的基于序列的生物信息学框架，但缺乏同样强大的工具来处理结构/坐标数据。可扩展的Python模块已经开发出来，它提供面向对象的抽象（基于大分子的分层表示），高效的数据结构（例如kD树），常见算法的快速实现（例如表面积计算），对蛋白质数据库相关文件格式的读/写支持和外部命令行应用程序的包装器（例如Stride）。将此代码集成到PyCogent中是共生的，允许基于序列的工作受益于结构衍生数据，并且使结构研究能够利用PyCogent的多功能工具进行系统发育和进化分析。
2014-07-19 cs.DS cs.SE q-bio.BM
Protein structure prediction software generate two different sets of conformations. Or the study of unfolded self-avoiding walks
自避免行走（SAW）是概率和枚举组合学中非常困难的问题的来源。由于它们是生物信息学中蛋白质结构预测的基础，因此也引起了极大的兴趣。这篇文章的作者之前已经表明，根据预测算法，获得的构象集不同：所有的自避免行走可以使用基于拉伸的算法来实现，而只有折叠的SAW可以使用迭代折叠直线的方法来实现。本文首次对（非）折叠式自我回避行走进行了研究。的贡献主要是什么是目前已知的这些集的调查。特别是，我们提供了清晰的定义，各种子集的自避免步行有关的枢轴移动（折叠或unfoldable锯，等）。以及我们在这些集合上从理论上或计算上获得的第一个结果。一个开放的问题列表也提供了，和后果的蛋白质结构预测问题的最后调查。
2013-06-06 q-bio.BM
Protein Structure Prediction Using Basin-Hopping
联想记忆哈密顿结构预测潜力并不过于崎岖，从而表明它们的景观就像那些实际的蛋白质。在目前的贡献，我们展示了如何盆跳跃全局优化可以识别相应的轻度受挫的能量景观的低洼的最小值。对于小系统的盆跳跃算法成功地定位较低的最小值和构象更接近实验结构比分子动力学与模拟退火。对于大型系统的效率盆跳跃降低我们的初始实现，其中的步骤包括随机扰动的笛卡尔坐标。我们使用盆跳跃实施伞形采样，以进一步确认何时达到全局最小值。我们还通过采用生物信息学技术来减少能量表面的粗糙度或方差来改进能量表面。最后，盆地跳跃计算指导了哈密顿量排除体积的改进，产生了更好的结构。这些结果为未来的能量函数开发提供了一种新的可转移的优化方案。
2008-06-23 q-bio.BM
On the Robustness of AlphaFold: A COVID-19 Case Study
University of Central Florida（中佛罗里达大学）；University of Texas at San Antonio（德克萨斯大学圣安东尼奥分校）；Air Force Research Laboratory（空军研究实验室）；Argonne National Laboratory（阿贡国家实验室）；SRI International（SRI国际）；Defense Advanced Research Projects Agency（国防高级研究计划局）
与其他方法相比，AlphaFold等蛋白质折叠神经网络（PFNN）预测蛋白质的结构非常准确。然而，这种网络的鲁棒性迄今尚未被探索。考虑到这些技术的广泛社会影响以及蛋白质序列中生物学上的小扰动通常不会导致蛋白质结构的剧烈变化，这一点尤其重要。在本文中，我们证明了AlphaFold尽管具有高精度，但并没有表现出这种鲁棒性。这就提出了检测和量化这些预测的蛋白质结构可信程度的挑战。为了测量预测结构的鲁棒性，我们利用（i）均方根偏差（RMSD）和（ii）原始序列的预测结构与其反向扰动版本的结构之间的全局距离测试（GDT）相似性度量。我们证明了最小扰动蛋白质序列愚弄蛋白质折叠神经网络的问题是NP-完全的。基于完善的BLOSUM 62序列比对评分矩阵，我们生成了对抗性蛋白质序列，并表明当对抗性变化由（i）BLOSUM 62距离中的20个单位和（ii）给定蛋白质序列中的5个残基（数百或数千个残基）限制时，预测蛋白质结构和原始序列结构之间的RMSD非常大。在我们的实验评估中，我们考虑了通用蛋白质资源（UniProt）中的111种COVID-19蛋白质，UniProt是由欧洲生物信息学研究所、瑞士生物信息学研究所和美国蛋白质信息资源管理的蛋白质数据中心资源。这些导致整体GDT相似性测试平均得分约为34%，表明AlphaFold的性能大幅下降。
2023-01-12 cs.LG q-bio.BM
Contrastive Representation Learning for 3D Protein Structures
Ulm University（乌尔姆大学）
从3D蛋白质结构中学习已经在蛋白质建模和结构生物信息学中获得了广泛的兴趣。不幸的是，可用结构的数量比计算机视觉和机器学习中常用的训练数据大小低几个数量级。此外，当只考虑注释的蛋白质结构时，这个数字甚至进一步减少，使得现有模型的训练变得困难并且容易过度拟合。为了应对这一挑战，我们引入了一个新的三维蛋白质结构表示学习框架。我们的框架使用无监督对比学习来学习蛋白质结构的有意义的表示，利用蛋白质数据库中的蛋白质。我们展示了如何使用这些表示来解决各种各样的任务，如蛋白质功能预测，蛋白质折叠分类，结构相似性预测和蛋白质-配体结合亲和力预测。此外，我们还展示了使用我们的算法进行预训练的微调网络如何显著提高任务性能，在许多任务中实现了新的最先进的结果。
2022-05-31 cs.LG q-bio.BM
PGR: A Graph Repository of Protein 3D-Structures
图论和图挖掘构成了研究图的结构、拓扑和性质的计算技术的丰富领域。如果存在将生物学数据转换为图形的有效方法，这些技术构成生物信息学中的良好资产。在本文中，我们提出了蛋白质图谱库（PGR），一种新的数据库的蛋白质3D结构转换成图形，允许使用大量的图论技术在蛋白质挖掘。该存储库包含蛋白质数据库（PDB）中描述的所有当前已知蛋白质3D结构的图形表示。PGR还提供了一个高效的蛋白质3D结构到图形的在线转换器，生物和基于图形的描述，预先计算的蛋白质图形属性和统计，每个蛋白质图形的可视化，以及基于图形的蛋白质相似性搜索工具。这样的存储库丰富了现有的在线数据库，这将有助于弥合图挖掘和蛋白质结构分析之间的差距。PCR数据和特征是独特的，不包括在任何其他蛋白质数据库中。该存储库可在http://wjdi.bioinfo.uqam.ca/上找到。
2016-01-25 cs.OH q-bio.BM
A statistical physics perspective on alignment-independent protein sequence comparison
在生物信息学中，氨基酸序列的文本比对长期以来一直主导着蛋白质之间相似性的确定，所有这些都意味着共享的结构，功能和进化血统。尽管现代序列比对算法相对成功，但所谓的无重复比对方法提供了确定和表达相似性的补充手段，在某些关键应用中具有潜在益处，例如蛋白质结构-功能研究的回归分析，其中重复碱基相似性表现不佳。在这里，我们提供了一个新的，基于统计物理学的角度，专注于无干扰比较的问题，在这个过程中，从“第一次通过概率分布”的结果，总结总体平均氨基酸倾向值的统计。在这篇文章中，我们介绍和阐述这种方法。
2016-02-09 q-bio.BM q-bio.QM
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
Protein structure and sequence re-analysis of 2019-nCoV genome does not indicate snakes as its intermediate host or the unique similarity between its spike protein insertions and HIV-1
由于2019-nCoV冠状病毒感染正在迅速发展成为全球肺炎疫情，因此迫切需要对其传播和细胞机制进行仔细分析。在这份报告中，我们重新分析了Ji et al.（https：//doi.org/10.1002/jmv.25682）和Pradhan et al.（https：//doi.org/10.1101/2020.01.30.927871）最近两篇手稿中提出的计算方法和发现，得出的结论是蛇是2019-nCoV的中间宿主，2019-nCoV刺突蛋白插入与HIV-1具有独特的相似性。我们使用最先进的生物信息学方法和数据库在更大规模的数据集上重新实施分析的结果不支持这些手稿提出的结论。根据我们的分析和冠状病毒的现有数据，我们得出结论，2019-nCoV的中间宿主更有可能是哺乳动物和鸟类，而不是蛇，并且在刺突蛋白中观察到的“新插入”是从蝙蝠冠状病毒自然进化而来的。
2020-02-08 q-bio.BM q-bio.GN
Knowledge-based machine learning methods for macromolecular 3D structure prediction
预测大分子（如蛋白质或RNA分子）的三维结构是生物信息学和计算生物学中最困难和最有吸引力的问题之一。它的重要性来自于给定蛋白质或RNA的3D结构与功能之间的关系。3D结构还有助于找到蛋白质的配体，这些配体通常是小分子，这是药物设计的关键步骤。不幸的是，精确获得大分子的3D结构没有捷径。大分子3D结构的许多物理测量由于其巨大的劳动力成本和对实验室条件的要求而无法按比例放大。近年来，由于计算速度和机器学习方法的进步，计算方法取得了巨大的进步。这些方法通过使用各种数学模型和机器学习方法，仅需要序列信息来预测3D结构。计算方法的成功高度依赖于具有已知结构的蛋白质和RNA的大型数据库。然而，计算方法的性能总是期望得到改进。这有几个原因。首先，我们面临着，并将继续面对数据的稀疏性。其次，三维结构空间太大，我们的计算能力。这两个障碍可以通过基于知识的方法来消除，该方法将从已知结构中学习的知识与生物学家对蛋白质或RNA折叠过程的知识相结合。在这篇论文中，我将介绍我的成果，建立一个基于知识的方法，通过使用机器学习方法来解决这个问题。我的方法包括中间状态的知识约束，这可以大大减少蛋白质或RNA的解决方案空间，从而提高结构折叠方法的效率，提高其准确性。
2016-12-13 q-bio.BM
GLProtein: Global-and-Local Structure Aware Protein Representation Learning
Department of Computing (COMP), The Hong Kong Polytechnic University（计算机学院（COMP），香港理工大学）；Department of Management and Marketing (MM), The Hong Kong Polytechnic University（管理与营销学院（MM），香港理工大学）；Department of Computer Science, Sichuan University（计算机学院，四川大学）
提出 GLProtein 预训练框架，融合全局蛋白质结构相似性与局部氨基酸分子细节，在相互作用和接触预测等任务上优于既有方法。
2025-08-28 cs.AI cs.CL cs.LG
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
Optimal atomic-resolution structures of prion AGAAAAGA amyloid fibrils
X射线晶体学是确定蛋白质3D结构的有力工具。然而，这是耗时和昂贵的，并不是所有的蛋白质都可以成功地结晶，特别是膜蛋白。虽然核磁共振（NMR）光谱确实是确定膜蛋白3D结构的一个非常强大的工具，但它也是耗时和昂贵的。据作者所知，由于淀粉样原纤维的非结晶和不溶性，朊病毒蛋白疏水区（113-120）中的AGAAAAGA回文结构数据很少，尽管许多实验研究表明该区域具有淀粉样原纤维形成特性，并在朊病毒疾病中起重要作用。鉴于此，本研究致力于解决这个问题，从计算方法，如全局能量优化，模拟退火，结构生物信息学。本文报道的朊病毒AGAAAAGA淀粉样蛋白的最佳原子分辨率结构对科学界寻找朊病毒疾病的治疗方法具有价值。
2011-04-11 physics.bio-ph q-bio.BM
ProteinNet: a standardized data set for machine learning of protein structure
Harvard Medical School（哈佛医学院）
深度学习的快速发展促进了其在生物信息学问题中的应用，包括蛋白质结构预测和设计。在经典的机器学习问题（如计算机视觉）中，标准化数据集推动了进展，这些数据集有助于公平评估新方法，并降低非领域专家的进入门槛。虽然存在蛋白质序列和结构的数据集，但它们缺乏某些对机器学习至关重要的组件，包括高质量的多个序列比对和绝缘的训练/验证分裂，这些分裂可以解释蛋白质空间中深度但只能微弱检测到的同源性。我们创建了ProteinNet系列数据集，为训练和评估蛋白质序列-结构关系的数据驱动模型提供了标准化机制。ProteinNet将序列、结构和进化信息集成到为机器学习框架定制的可编程访问的文件格式中。使用大量高性能计算资源创建所有结构表征蛋白质的多个序列比对。还生成了标准化数据分割，以通过将蛋白质序列和结构空间重置为六个先前CASP之前的历史状态来模拟过去CASP（蛋白质结构预测的关键评估）实验的难度。利用敏感的基于进化的距离度量来分离远亲蛋白质，我们还创建了与官方CASP集不同的验证集，这些验证集忠实地模仿了它们的难度。因此，ProteinNet代表了一个全面且可访问的资源，用于训练和评估蛋白质结构的机器学习模型。
2019-02-01 cs.LG q-bio.BM q-bio.QM
Proteome-scale Deployment of Protein Structure Prediction Workflows on the Summit Supercomputer
深度学习在从序列预测蛋白质结构方面取得了重大进展，这是结构生物信息学的一个基本问题。随着预测在某些情况下接近晶体学分辨率的准确性，以及GPU和TPU等加速器使用大型模型进行推理，快速，快速的基因组水平结构预测成为一个明显的目标。领先级的计算资源可用于使用最先进的深度学习模型执行基因组规模的蛋白质结构预测，为系统生物学应用提供丰富的新数据。在这里，我们描述了我们的努力，有效地部署AlphaFold2程序，全蛋白质组结构预测，在规模上的橡树岭领导计算设施的资源，包括首脑会议的超级计算机。我们进行了推理，产生了35，634个蛋白质序列的预测结构，对应于三个原核蛋白质组和一个植物蛋白质组，使用了不到4，000个Summit节点小时，相当于使用了超级计算机的大部分时间。我们还设计了一种优化的结构细化，对于更长的序列，将AlphaFold流水线的松弛阶段的时间减少了10倍以上。我们展示了可以在蛋白质组规模的序列集合上进行的分析类型，包括寻找新的四级结构和功能注释的影响。
2022-01-25 q-bio.BM q-bio.QM
OpenProteinSet: Training data for structural biology at scale
Harvard University（哈佛大学）；Harvard Medical School（哈佛医学院）；Columbia University（哥伦比亚大学）；Prescient Design, Genentech（普雷赛特设计公司，基因泰克）；New York University（纽约大学）；Flatiron Institute（弗拉蒂伦研究所）
本文推出OpenProteinSet开源数据集，包含超1600万MSAs、PDB结构同源物及AlphaFold2预测，并已成功用于重训AlphaFold2，旨在推动蛋白质结构、功能、设计及多模态机器学习研究。
2023-08-10 cs.LG q-bio.BM
Protein Secondary Structure Prediction Using Cascaded Convolutional and Recurrent Neural Networks
The University of Hong Kong（香港大学）
蛋白质二级结构预测是生物信息学中的一个重要问题。受深度神经网络最近成功的启发，在本文中，我们提出了一个端到端的深度网络，它可以从集成的局部和全局上下文特征预测蛋白质二级结构。我们的深度架构利用具有不同内核大小的卷积神经网络来提取多尺度局部上下文特征。此外，考虑到氨基酸序列中存在的长程依赖性，我们建立了一个由门控递归单元组成的双向神经网络来捕获全局上下文特征。此外，多任务学习被用来同时预测二级结构标签和氨基酸溶剂可及性。我们提出的深度网络通过实现最先进的性能来证明其有效性，即，在公共基准CB 513上的Q8准确率为69.7%，在CASP 10上的Q8准确率为76.9%，在CASP 11上的Q8准确率为73.1%。我们的模型和结果已公开。
2016-04-25 cs.AI cs.LG cs.NE
Predicting Transcription Factor Specificity with All-Atom Models
转录因子（TF）与DNA操纵子位点的结合可以启动或抑制基因的表达。传统上，TF识别的位点的计算预测依赖于几个同源位点的知识，而不是从头开始的方法。在这里，我们研究了使用基于结构的能量计算的可能性，不需要结合位点的知识，而是从蛋白质-DNA复合物的结构开始。我们研究了PurRE。大肠杆菌TF，并探讨在何种程度上原子模型的蛋白质-DNA复合物可以用来区分同源和非同源DNA位点。特别强调的是，这种方法的系统评价，通过比较其性能与生物信息学方法，通过测试它对随机诱饵和网站的同源TF。我们还研究了DNA和蛋白质中的一组实验突变。使用我们明确的能量估计，我们表明，PurR的特异性主要是由直接的蛋白质-DNA相互作用，弱的DNA弯曲的影响。
2008-09-24 physics.bio-ph q-bio.BM q-bio.QM
Integrating Secondary Structures Information into Triangular Spatial Relationships (TSR) for Advanced Protein Classification
The School of Computing and Informatic, University of Louisiana at Lafayette（计算与信息学院，路易斯安那州立大学拉法叶分校）；Department of Chemistry, University of Louisiana at Lafayette（化学系，路易斯安那州立大学拉法叶分校）
SSE-TSR方法通过整合蛋白质二级结构信息，提升蛋白质分类的准确性和可靠性，尤其在低初始准确率数据集中表现显著。
2024-11-19 cs.LG q-bio.BM
PRIMRose: Insights into the Per-Residue Energy Metrics of Proteins with Double InDel Mutations using Deep Learning
Western Washington University（西华盛顿大学）
PRIMRose通过深度学习分析蛋白质中双重InDel突变的每残基能量变化，提供更精确的结构和功能影响预测。
2025-12-06 cs.AI cs.LG cs.NE
