TourSynbio: A Multi-Modal Large Model and Agent Framework to Bridge Text and Protein Sequences for Protein Engineering
Toursun Synbio（拓荪合成生物）；Johns Hopkins University（约翰斯·霍普金斯大学）；University of Cambridge（剑桥大学）；Shanghai AI Laboratory（上海人工智能实验室）；Shanghai Jiao Tong University（上海交通大学）；City University of Hong Kong（香港城市大学）
针对大语言模型在蛋白质工程中依赖外部编码器导致性能次优的问题，提出无外部编码器的多模态大模型TourSynbio-7B及智能体框架，在多项任务上超越GPT-4，并通过湿实验验证了其有效性。
2024-08-27 cs.AI cs.LG q-bio.BM
Mathematics-assisted directed evolution and protein engineering
Michigan State University（密歇根州立大学）
针对蛋白质工程中定向进化受突变空间过大无法全扫描的难题，该研究提出一类持久拓扑拉普拉斯算子，可突破现有拓扑数据分析局限，构建数学辅助定向进化框架，为蛋白质工程提供新方向。
2023-06-06 cs.LG q-bio.BM
CAML: Commutative algebra machine learning -- a case study on protein-ligand binding affinity prediction
本研究将交换代数机器学习（CAML）应用于蛋白质-配体结合亲和力预测，引入三种新算法处理复合物数据复杂性，并在预测性能上超越现有最先进方法。
2025-04-25 q-bio.BM
ProtFIM: Fill-in-Middle Protein Sequence Design via Protein Language Models
Kakao Brain Corp（Kakao Brain公司）
蛋白质语言模型（pLM），通过因果语言模型对蛋白质序列进行预训练，已成为蛋白质序列设计的一个有前途的工具。在现实世界的蛋白质工程中，有许多情况下，蛋白质序列中间的氨基酸被优化，同时保留其他残基。不幸的是，由于pLM的从左到右的性质，现有的pLM通过提示前缀残基来修饰后缀残基，这对于考虑整个周围环境的填充任务是不够的。为了找到更有效的pLM蛋白质工程，我们设计了一个新的基准，二级结构E填充rEcoveRy，SEIFER，它近似于填充序列设计方案。通过对现有模型的评估，我们揭示了现有语言模型的弱点，并指出通过中间填充变换训练的语言模型（Protestant）更适合于蛋白质工程。此外，我们证明了Protectin通过详尽的实验和可视化生成具有体面的蛋白质表示的蛋白质序列。
2023-03-29 cs.AI cs.LG q-bio.BM
Machine learning methods to study sequence-ensemble-function relationships in disordered proteins
本文综述了利用机器学习方法研究无序蛋白质序列-ensemble-功能关系的最新进展，涵盖构象ensemble生成、序列设计及序列与功能关联，强调实验、理论与模拟的整合及进化约束的作用。
2025-02-26 q-bio.BM
MutaPLM: Protein Language Modeling for Mutation Explanation and Engineering
Institute of AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院（AIR））；Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系）；Pharmolix Inc.（Pharmolix公司）
针对现有蛋白质语言模型对突变隐式建模、缺乏可解释性与工程性的问题，提出统一框架MutaPLM，通过蛋白质delta网络、CoT迁移学习及自建数据集MutaDescribe，实现突变效应的可解释分析与优质突变筛选，相关资源已开源。
2024-10-30 cs.LG q-bio.BM
Disentangled Wasserstein Autoencoder for T-Cell Receptor Engineering
提出可解耦Wasserstein自编码器，自动分离蛋白质功能与结构模式，实现TCR功能编辑而不改变骨架，生成质量和效率优于基线，用时仅为其10%。
2023-10-16 q-bio.BM
Pro-PRIME: A general Temperature-Guided Language model to engineer enhanced Stability and Activity in Proteins
本文提出温度感知蛋白质语言模型 PRIME，无需目标蛋白既往诱变数据即可预测并筛选提升稳定性与活性的单位点及多位点突变体，并在 283 项检测和五种蛋白质实验中验证其有效性。
2024-10-28 q-bio.BM
Machine learning-assisted directed protein evolution with combinatorial libraries
为了减少与定向蛋白质进化相关的实验工作量，并探索通过同时突变多个位置编码的序列空间，我们将机器学习纳入定向进化工作流程。组合序列空间的实验采样可能非常昂贵，但在测试变体上训练的机器学习模型提供了一种快速的方法来计算测试序列空间。我们验证了这种方法在一个大型的人类GB 1结合蛋白的经验适应度景观，证明机器学习引导的定向进化找到更高的适应度比其他定向进化方法发现的变体。然后，我们提供了一个例子中的应用程序，在进化的酶，以产生两个可能的产品对映异构体（立体分散性）的一个新的自然卡宾Si-H插入反应。该方法预测富含功能酶的文库，并在两轮进化中固定了7个突变，以93%和79%ee.By大大提高了通过计算机建模的吞吐量，机器学习提高了蛋白质工程问题序列解决方案的质量和多样性。
2020-01-04 q-bio.BM
Computational design of intrinsically disordered proteins
本综述探讨了内在无序蛋白质的计算从头设计，总结了在定制构象系综、分子识别和相行为方面的最新进展，并概述了整合知识、物理与机器学习方法的可扩展设计策略。
2025-09-15 q-bio.BM
On the potential of machine learning to examine the relationship between sequence, structure, dynamics and function of intrinsically disordered proteins
内在无序蛋白（IDPs）是一类具有不同性质的蛋白质。IDP和内在无序区（IDR）之间的折叠结构域散布的一般特点是没有持久的三级结构，而是它们之间的大量不同的和经常扩展的结构相互转换。IDP和IDR参与了非常广泛的生物学功能，并揭示了新的相互作用机制，虽然它们违背了折叠蛋白质的常见结构-功能范式，但它们的结构偏好和动力学对其功能非常重要。我们在这里讨论IDP和IDR领域的开放问题，重点关注机器学习和其他计算方法发挥作用的领域。我们讨论了旨在预测瞬时形成的局部和长程结构的计算方法，包括综合结构生物学方法。我们讨论了许多不同的方式，其中IDP和IDR可以结合到其他分子，无论是通过短的线性图案，以及在形成较大的动态复合物，如生物分子凝聚体。我们讨论了实验如何提供对这种复合物的洞察，并可能实现更准确的预测。最后，我们讨论了国内流离失所者在疾病中的作用，以及如何需要新的方法来解释国内流离失所者的基因组变异的机制影响。
2021-06-01 q-bio.BM
ProGen: Language Modeling for Protein Generation
Salesforce Research（赛富时研究院）；Stanford University（斯坦福大学）
蛋白质工程的生成建模是解决合成生物学、医学和材料科学中基本问题的关键。我们提出蛋白质工程作为一个无监督的序列生成问题，以利用指数增长的蛋白质，缺乏昂贵的，结构注释。我们训练了一个1. 2B参数的语言模型ProGen，在大约280 M的蛋白质序列上，以分类和关键词标签为条件，如分子功能和细胞成分。这为ProGen提供了前所未有的进化序列多样性范围，并使其能够产生细粒度的控制，如基于一级序列相似性，二级结构准确性和构象能量的度量所示。
2020-03-08 cs.LG q-bio.BM stat.ML
Persistent Directed Flag Laplacian (PDFL)-Based Machine Learning for Protein-Ligand Binding Affinity Prediction
本文提出持久有向旗拉普拉斯算子（PDFL），结合有向旗复形与谱图理论及机器学习，用于蛋白质-配体结合亲和力预测，在三个基准数据集上优于现有方法，具有高准确性和简便性。
2024-11-07 q-bio.BM
Predicting protein secondary structure with Neural Machine Translation
我们提出了一种新的工具，用于蛋白质二级结构预测的分析，使用最近研究的神经机器翻译框架。该工具基于主结构提供快速准确的折叠预测，即使是批量输入也具有亚秒级的预测时间。我们假设神经机器翻译可以通过更好地编码附近但不相邻的氨基酸之间的复杂关系来提高当前的预测准确性。我们概述了我们的修改框架，以提高蛋白质序列的准确性。我们报告了65.9%的第三季度准确率，并分析了我们预测模型的优点和缺点。
2021-05-08 q-bio.BM q-bio.QM
SidechainNet: An All-Atom Protein Structure Dataset for Machine Learning
University of Pittsburgh（匹兹堡大学）
尽管用于蛋白质结构预测和表示的深度学习方法最近取得了进展，但很少关注同时包含和预测蛋白质主链和侧链结构信息。我们提出了SidechainNet，这是一个直接扩展ProteinNet数据集的新数据集。SidechainNet包括角度和原子坐标信息，能够描述每个蛋白质结构的所有重原子。在本文中，我们提供了有关蛋白质结构数据可用性和ProteinNet重要性的背景信息。此后，我们认为通过SidechainNet包含侧链信息可能是有益的，描述了我们组织SidechainNet的过程，并提供了一个软件包（https：//github.com/jonathanking/sidechainnet），用于数据操作和机器学习模型的训练。
2020-11-15 cs.LG q-bio.BM
Protein Evolution as a Complex System
本文提出将蛋白质进化视为复杂适应系统，结合多组学数据、实验室进化与机器学习，以揭示生物创新原理并指导蛋白质设计。
2024-12-09 q-bio.BM
Deep Learning of Proteins with Local and Global Regions of Disorder
针对固有无序蛋白质/区域预测置信度低的问题，提出基于Transformer语言扩散模型的IDPForge方法，生成与实验数据一致的全原子无序集合，无需序列特异性训练或重加权，促进无序蛋白质结构研究。
2025-03-29 q-bio.BM
Leveraging Machine Learning Models for Peptide-Protein Interaction Prediction
本文综述了利用机器学习和深度学习模型预测肽-蛋白质相互作用的方法，旨在克服传统计算成本高、柔性大等挑战，并提升预测的准确性、鲁棒性与可解释性。
2024-02-07 q-bio.BM q-bio.QM
Binary classification of proteins by a Machine Learning approach
University of Florence（佛罗伦萨大学）；University of Perugia（佩鲁贾大学）
在这项工作中，我们提出了一个基于深度学习方法的系统，通过使用卷积神经网络，能够根据蛋白质数据库中包含的蛋白质描述对氨基酸的蛋白质链进行分类。每种蛋白质都在XML格式的文件中以其化学-物理-几何性质进行了充分描述。这项工作的目的是设计一个原型深度学习机器，用于收集和管理大量数据，并通过将其应用于氨基酸序列的分类来验证它。我们设想将所描述的方法应用于生物分子中更一般的分类问题，与结构特性和相似性有关。
2021-11-03 cs.LG q-bio.BM
Scoring-Assisted Generative Exploration for Proteins (SAGE-Prot): A Framework for Multi-Objective Protein Optimization via Iterative Sequence Generation and Evaluation
SAGE-Prot框架通过迭代结合自回归蛋白质生成与定量结构-性质关系模型进行多目标优化，在GB1和TEM-1等蛋白质上实现结合亲和力、热稳定性、酶活性及溶解度的显著提升，最高使β-内酰胺酶活性增加17倍。
2025-05-02 q-bio.BM q-bio.QM
FlexVDW: A machine learning approach to account for protein flexibility in ligand docking
Stanford University（斯坦福大学）
最广泛使用的配体对接方法假定刚性蛋白质结构。当靶蛋白的结构在配体结合时变形时，这导致问题。特别是，配体的真实结合位姿通常由于配体和蛋白质原子之间的明显冲突而被非常不利地评分，这导致计算的范德华能量项的极高值。传统上，这个问题已经通过明确寻找受体构象来解决，以解释受体在配体结合中的灵活性。在这里，我们提出了一个经过训练的深度学习模型，在预测范德华能量时隐式地考虑受体的灵活性。我们表明，将这种机器学习的能量项纳入最先进的基于物理学的评分函数中，可以在蛋白质变形较大的情况下改善小分子配体姿势预测结果，而不会在蛋白质变形最小的情况下降低性能。这项工作证明了学习蛋白质的灵活性对配体结合的影响的可行性，而无需明确建模蛋白质结构的变化。
2023-03-20 cs.LG q-bio.BM
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
Reinforcement Learning Guides Generative Protein Language Models
Centre for Genomic Regulation, the Barcelona Institute of Science and Technology（基因组调控中心，巴塞罗那科学技术研究所）；Universitat Pompeu Fabra（庞培法布拉大学）；Universitat de Barcelona, Facultat de Farmàcia i Ciències de l’Alimentació（巴塞罗那大学，药学与食品科学学院）；Stanford University（斯坦福大学）；Arc Institute（ARC研究所）；Institució Catalana de Recerca i Estudis Avançats (ICREA)（加泰罗尼亚高级研究学院）
通过强化学习引导生成蛋白质语言模型，实现EGFR结合物设计中结合亲和力的显著提升。
2026-08-31 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
The Physical Logic of Protein Machines
针对蛋白质机器的功能实现与序列编码逻辑的未解问题，本研究采用将蛋白质视为机械化学机器的物理方法，从结构、运动与化学相互作用协同进化的角度展开探索。
2023-12-13 physics.bio-ph q-bio.BM q-bio.PE
Biomimetic Engineering of a Fortified Ice Composite with Enhanced Mechanical Properties
The Hebrew University of Jerusalem（耶路撒冷希伯来大学）；Ecole Polytechnique Fédérale de Lausanne（洛桑联邦理工学院）；Technion（以色列理工学院）；Ben-Gurion University of the Negev（内盖夫本-古里安大学）
本研究通过结合冰、纳米晶纤维素与定制嵌合蛋白开发出新型可持续冰复合材料BioPykrete，其具备类弹性力学响应、抗压强度媲美混凝土，可作为北极等严苛地区的环保建筑替代材料，也为复合材料性能调控提供新思路。
2025-07-14 cond-mat.mtrl-sci physics.bio-ph physics.med-ph
Improving homology-directed repair by small molecule agents for genetic engineering in unconventional yeast? -- Learning from the engineering of mammalian systems
本文综述了利用小分子试剂提高非常规酵母中同源定向修复效率的策略，借鉴哺乳动物系统经验，并介绍了高通量筛选方法，以促进酵母基因工程。
2023-08-29 q-bio.BM q-bio.QM
Machine learning for protein folding and dynamics
蛋白质折叠和动力学研究的许多方面都受到了机器学习最新进展的影响。从序列中预测蛋白质结构的方法现在主要基于机器学习工具。随着机器学习方法开始设计力场，进行模拟以探索蛋白质系统的能量景观的方式也在发生变化。这些方法也被用于从大型模拟数据集中提取基本信息，并增强对罕见事件（如折叠/展开转换）的采样。虽然这些方法仍有许多挑战需要解决，但我们希望这些方法在不久的将来能在蛋白质折叠和动力学研究中发挥重要作用。我们在这里讨论了所有这些方面的最新进展，以及机器学习方法成为蛋白质模拟主流需要解决的问题。
2019-11-22 physics.bio-ph physics.chem-ph 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
ProLLaMA: A Protein Large Language Model for Multi-Task Protein Language Processing
提出多任务蛋白质语言模型ProLLaMA及进化蛋白质生成框架EPGF，通过构建大规模指令数据集与两阶段训练，实现蛋白质理解与生成能力的统一，在生成质量与理解精度上均取得显著提升。
2025-09-14 cs.CE q-bio.BM
Top-down machine learning of coarse-grained protein force-fields
Acellera Labs（阿塞莱拉实验室）；Universitat Pompeu Fabra（庞培法布拉大学）
本文提出一种自顶向下机器学习方法，利用分子动力学轨迹和可微重加权训练粗粒化蛋白质力场，仅需天然构象即可预测折叠事件，具有良好外推性，有助于新力场开发与蛋白质研究。
2023-10-10 cs.LG q-bio.BM
Benchmarking AlphaFold3's protein-protein complex accuracy and machine learning prediction reliability for binding free energy changes upon mutation
本文基于SKEMPI 2.0数据库系统评估AlphaFold3预测蛋白质-蛋白质复合物结构用于突变结合自由能变化预测的可靠性，发现其相关系数略低于PDB结构且RMSE升高8.6%，并揭示其在柔性区域存在未被ipTM反映的较大误差。
2024-06-06 math.AT q-bio.BM q-bio.QM
Protein sequence design with deep generative models
California Institute of Technology（加州理工学院）；Google Deepmind（谷歌DeepMind）；Microsoft Research New England（微软新英格兰研究院）
蛋白质工程旨在鉴定具有优化性质的蛋白质序列。当由机器学习引导时，蛋白质序列生成方法可以利用先验知识和实验努力来改进该过程。在这篇综述中，我们强调了机器学习在生成蛋白质序列方面的最新应用，重点关注新兴的深度生成方法领域。
2021-04-09 cs.LG q-bio.BM q-bio.QM
Machine Learning Coarse-Grained Potentials of Protein Thermodynamics
Universitat Pompeu Fabra（庞培法布拉大学）；Acellera Labs（阿塞莱拉实验室）；Rice University（莱斯大学）；FU Berlin（柏林自由大学）
针对蛋白质动力学理解这一科学难题，本文构建基于人工神经网络和统计力学的粗粒化分子势函数，利用含12种蛋白质约9毫秒全原子模拟的独特数据集训练，模型加速动力学超三个数量级且保留热力学特性，可识别结构状态、整合多蛋白质并捕捉突变体特征，为蛋白质动力学研究提供可行方法。
2022-12-14 cs.LG q-bio.BM
Generative AI for Controllable Protein Sequence Design: A Survey
Zhejiang University（浙江大学）；The Chinese University of Hong Kong（香港中文大学）
本综述系统回顾了生成式AI在可控蛋白质序列设计中的最新进展，涵盖基础任务、关键生成模型与优化算法、具体设计任务应用，并指出了当前未解决的挑战与未来研究机遇。
2024-02-16 cs.AI cs.LG q-bio.BM
Plug & Play Directed Evolution of Proteins with Gradient-based Discrete MCMC
National Renewable Energy Lab（国家可再生能源实验室）；Stanford University（斯坦福大学）；Maplewell Energy（Maplewell能源公司）
提出一种基于梯度的离散MCMC蛋白质采样框架，通过组合无监督和监督模型构建专家乘积分布，无需微调即可高效发现高活性和高进化可能性的蛋白质变体。
2023-04-06 cs.LG q-bio.BM
APObind: A Dataset of Ligand Unbound Protein Conformations for Machine Learning Applications in De Novo Drug Design
International Institute of Information Technology, Hyderabad（海得拉巴国际信息技术学院）
蛋白质-配体复合物结构已被用于设计基准机器学习方法，其执行与药物设计相关的重要任务，例如受体结合位点检测、小分子对接和结合亲和力预测。然而，这些方法通常仅在蛋白质的配体结合（或全）构象上训练，因此当蛋白质结构处于其天然未结合构象（或apo）时不能保证良好地执行，所述天然未结合构象通常是新鉴定的受体可用的构象。其主要原因是结合位点的局部结构通常在配体结合时改变。为了便于解决这个问题，我们提出了一个名为APObind的数据集，旨在提供PDBbind数据集中存在的蛋白质的apo构象，PDBbind数据集是一个用于药物设计的流行数据集。此外，我们还探索了特定于该数据集上三个用例的方法的性能，通过这些方法，证明了在APObind数据集上验证它们的重要性。
2021-08-25 cs.AI cs.LG q-bio.BM
Towards rational glyco-engineering in CHO: from data to predictive models
代谢建模致力于开发鲁棒性和高度预测性的建模方法。为了实现这一点，采用了各种建模设计，包括混合模型和定义模型中使用的参数的类型和数量的参数估计方法。准确的输入数据起着重要的作用，因此选择能够提供所需精度的输入数据且测量误差低的实验方法至关重要。对于生物药学相关的蛋白质糖基化，最突出的可用模型是动力学模型，其能够捕获蛋白质N-糖基化的动态性质。在这篇评论中，我们专注于如何选择最合适的模型为特定的研究问题，以及在计划相关实验之前要考虑的参数和考虑因素。
2021-04-23 q-bio.BM q-bio.MN
Novel hybrid protein scaffold gap filling using weighted machine learning ensemble, beam search, and mass-constrained reranking
American International University-Bangladesh（美国国际大学-孟加拉国分校）；City University（城市大学）
提出一种混合机器学习与质量约束重排序框架，结合加权集成、束搜索及同源检索，在已知缺口大小和质量条件下实现高准确率的蛋白质支架缺口填充。
2026-09-09 cs.LG q-bio.BM
Directed Evolution of Proteins via Bayesian Optimization in Embedding Space
Department of Computer Science FEE, Czech Technical University in Prague Prague, Czech Republic（计算机科学系（FEE），捷克技术大学布拉格分校）
本文提出一种结合贝叶斯优化与蛋白质语言模型嵌入表示的机器学习辅助定向进化方法，在相同筛选次数下提升优化效果，并超越现有回归目标方法。
2025-09-05 cs.LG q-bio.BM
Representing local protein environments with machine learning force fields
IST Austria（IST奥地利研究院）；Technion, Israel（技术学院，以色列）；University of Oxford, UK（牛津大学，英国）；Princeton University（普林斯顿大学）；Broad Institute of MIT and Harvard（哈佛大学与麻省理工学院Broad研究所）
本文提出基于原子基础模型的局部蛋白质环境表示方法，有效捕捉结构和化学特征，实现了高精度的生物分子核磁共振化学移位预测。
2026-03-07 cs.AI q-bio.BM
Emergence of mutationally robust proteins in a microscopic model of evolution
吸收突变的能力，同时保留结构和功能，或突变鲁棒性，是天然蛋白质的显着特性。在这封信中，我们使用一个计算模型的器官进化[Zeldovich等人，PLOS Comp Biol 3（7）：e139（2007）]，明确耦合蛋白质物理学和种群动力学，研究突变的鲁棒性进化模型蛋白质。我们发现，主要的蛋白质结构，在模拟中演变的高度可设计的，符合一些早期的观察。接下来，我们将进化序列与设计成折叠成相同的显性结构并具有相同热力学稳定性的序列进行比较，发现进化序列对点突变更稳健，不太可能在点突变后不稳定。这些结果表明，如果需要人工开发的蛋白质的突变鲁棒性，则序列进化是蛋白质工程的重要方法。在生物学方面，蛋白质的突变鲁棒性似乎是突变选择进化过程的自然结果。
2008-06-23 q-bio.BM q-bio.PE
A synthetic T-cell receptor-like protein behaves as a Janus particle in solution
本研究发现合成T细胞受体样蛋白ImmTAC在溶液中表现出Janus颗粒特性，低浓度下会自缔合形成稳定寡聚体，通过Alphafold建模解释了该行为的机制，为理解此类蛋白的稳定性提供了新视角。
2024-06-24 cond-mat.soft q-bio.BM
Mathematical Insights into Protein Architecture: Persistent Homology and Machine Learning Applied to the Flagellar Motor
Department of Mathematics, Faculty of Sciences, Ibn Tofail University（数学系，科学学院，伊本·图法易大学）；Department of Mathematics, Faculty of Sciences and Techniques, Abdelmalek Essaâdi University（数学系，科学与技术学院，阿卜杜勒马利克·艾萨迪大学）；Department of Computer and Information Science, Fordham University（计算机与信息科学系，福尔敦大学）
利用持续同调与机器学习，研究鞭毛马达的两种功能状态分类，通过拓扑数据分析揭示蛋白质功能相关模式。
2025-12-17 cs.LG math.AT q-bio.BM
Navigating protein landscapes with a machine-learned transferable coarse-grained model
本文提出一种结合深度学习与大规模全原子模拟训练的通用可迁移粗粒化模型，能以远低于全原子MD的计算成本准确预测蛋白质折叠、中间态及无序蛋白涨落。
2023-10-27 physics.bio-ph physics.chem-ph q-bio.BM
Advances in Machine Learning for Directed Evolution: A Five-Year Retrospective
Microsoft（微软）
本文回顾了ML在定向进化领域进展滞后的原因，指出MLDE与定向进化的目标脱节及忽略DNA合成成本是关键，还提及例外工作并认为二者可兼顾。
2026-10-23 cs.LG q-bio.BM
Integration of persistent Laplacian and pre-trained transformer for protein solubility changes upon mutation
提出整合预训练 Transformer 序列嵌入与 AlphaFold2 结构上的持久拉普拉斯拓扑表征，预测突变导致的蛋白质溶解度变化，性能最高提升15%。
2023-11-02 math.AT q-bio.BM
Learning Compositional Representations of Interacting Systems with Restricted Boltzmann Machines: Comparative Study of Lattice Proteins
Laboratory of Physics of the Ecole Normale Supérieure, CNRS & PSL Research（巴黎高等师范学院物理实验室、法国国家科学研究中心及巴黎文理研究大学）
受限玻尔兹曼机（RBM）是一种无监督的机器学习二分图模型，它联合学习数据的概率分布并提取其相关统计特征。因此，RBM最近被提出用于表征蛋白质序列中氨基酸之间的协同进化模式和用于设计新的序列。在这里，我们研究了RBM学习的特征的性质如何随着其定义参数而变化，例如表示的维度（隐藏层的大小）和特征的稀疏性。我们表明，这些参数的足够的值，RBM操作在一个所谓的组成阶段，其中可见的配置采样从RBM通过重组这些功能。然后，我们将RBM的性能与其他标准的表示学习算法进行比较，包括主成分分析或独立成分分析、自动编码器（AE）、变分自动编码器（VAE）及其稀疏变体。我们表明，RBM，由于数据配置和表示之间的随机映射，更好地捕捉系统中的底层相互作用，并显着更强大的样本量比确定性的方法，如PCA或ICA。此外，这种随机映射不是像VAE那样预先规定的，而是从数据中学习的，这使得RBM即使在浅架构下也能表现出良好的性能。所有数值结果都在合成的晶格蛋白质数据上进行了说明，这些数据与真实的蛋白质序列具有相似的统计特征，并且已知地面真实相互作用。
2019-02-18 cs.LG physics.data-an q-bio.BM
Symmetry, Rigidity, and Allosteric Signaling: From Monomeric Proteins to Molecular Machines
生物分子中的变构信号传导在生物学中是普遍存在的，其可以被视为由于配体结合或环境线索变化的局部扰动而在一定距离处的特异性超距作用。现象学MWC和KNF模型激发了五十多年的研究，这些模型仍然是描述一系列系统中变构的基础。然而，理解变构信号和不同变构状态之间的相关动力学是具有挑战性的。在这篇综述中，我们首先描述了对称性和刚性的变构蛋白质的基本要求。一般的功能，MWC和KNF作为两个极端的情况下，出现变构信号从能源景观的角度来看。为了超越一般理论，我们描述了计算工具来预测携带变构信号的残基网络。方法，以获得分子的见解变构转换的动力学简要提及。该方法的效用说明了从单体蛋白质的多亚基蛋白质的系统的应用程序。最后，作用变构在ATP消耗的分子机器，细菌伴侣GroEL和分子马达的功能，进行了描述。虽然不存在控制变构信号的普遍分子原理，但我们可以得出以下一般性结论。(1)连接变构状态的多种途径是高度异质的。(2)变构信号对系统的结构非常敏感，这意味着变构的能力编码在结构本身中。(3)连接不同变构状态的机械模式对序列变化是稳健的。(4)对血红蛋白和最近GroEL中变构的广泛研究表明，盐桥重排网络充当变构开关。
2018-12-12 cond-mat.soft q-bio.BM
On Machine Learning Approaches for Protein-Ligand Binding Affinity Prediction
Acellera Labs（Acellera实验室）；Universitat Pompeu Fabra（庞培法布拉大学）；Institució Catalana de Recerca i Estudis Avançats (ICREA)（加泰罗尼亚高级研究学院（ICREA））
本研究评估了经典树模型与神经网络在蛋白质-配体结合亲和力预测中的表现，发现结合2D和3D模型优势可超越现有最先进方法，为药物发现策略提供重要见解。
2024-07-15 cs.LG q-bio.BM q-bio.QM
Investigating the potential for a limited quantum speedup on protein lattice problems
蛋白质折叠是计算生物学的核心挑战，在分子生物学、药物发现和催化剂设计中具有重要应用。作为一个困难的组合优化问题，它已被研究作为一个潜在的目标问题的量子退火。虽然在文献中已经讨论了几个实验实现，这些方法的计算缩放尚未阐明。在这篇文章中，我们提出了一个应用于大量的小肽折叠问题的量子退火的数值研究，旨在推断出有用的见解，为近期的应用。我们提出两个结论：即使是朴素的量子退火，当应用于蛋白质晶格折叠时，也有可能胜过经典方法，并且所涉及的哈密顿量和时间表的仔细工程可以为这个问题提供显着的相对改进。总体而言，我们的研究结果表明，量子算法可以很好地提供蛋白质折叠和结构预测领域的问题的改进。
2021-05-18 q-bio.BM quant-ph
Boltzmann Machine Learning with a Parallel, Persistent Markov chain Monte Carlo method for Estimating Evolutionary Fields and Couplings from a Protein Multiple Sequence Alignment
本文提出利用Boltzmann机和并行持久马尔可夫链蒙特卡洛方法，通过氨基酸单点和配对频率估计蛋白质进化场和耦合，提升蛋白质结构与进化研究的计算效率。
2026-04-20 cond-mat.stat-mech cs.LG q-bio.BM
Protein-DNA computation by stochastic assembly cascade
RecA在单链DNA上的组装被测量和解释为一个随机有限状态机，它能够区分序列之间的细微差异，这是一个基本的计算操作。RecA细丝通过随机成核和解体事件的级联有效地扫描DNA序列，这在机制上类似于微管的动态不稳定性。这种迭代级联是一个多阶段的动态校对过程，放大了微小的差异，甚至是一个碱基的变化。我们的测量表明，这种随机图灵类机器可以计算某些积分变换。
2010-08-04 physics.bio-ph q-bio.BM
Modeling knotted proteins with tangles
虽然罕见，但已经观察到越来越多的蛋白质在其天然结构中含有缠结。为了更深入地了解蛋白质打结的意义，研究人员一直在使用实验和理论方法研究蛋白质结的形成。受$α$ -卤酸脱卤酶（DehI）蛋白质的假设折叠途径的启发，Flapan、He和Wong提出了蛋白质结如何形成的理论，其中包括Taylor和Bölinger等人作为特例描述的现有折叠途径。在他们的拓扑学描述中，一个不打结的开放蛋白质链中的两个环最多包含两个扭曲，每个环都靠近在一起，蛋白质的一端最终穿过这两个环。在本文中，我们建立在Flapan，他，和黄的理论，我们注意到的交叉迹象的线程过程中，并假设未打结的蛋白质链可能会安排自己进入一个更复杂的配置之前线程发生。然后，我们应用缠结演算，最初由恩斯特和萨姆纳斯开发的DNA分析特定蛋白质的行动，根据我们的模型，给出未来可能发现的所有可能的结或knotoid，并给出从简单的片段中工程蛋白质中的特定结的配方。我们展示了为什么扭曲结是最有可能发生在蛋白质中的结。我们使用手性表明，通过泰勒的扭曲发夹模型，最有可能发生在蛋白质中的结是结$+3_1$，$4_1$和$-5_2$。
2022-11-07 math.GN q-bio.BM
