SeedProteo：准确的从头全原子蛋白质结合物设计
SeedProteo: Accurate De Novo All-Atom Design of Protein Binders
AI总结：
SeedProteo通过整合自条件化特性，实现了从头全原子蛋白质结合物设计的高精度与多样性，并在实验中验证了其在治疗靶点上的高效性能。
摘要：
我们提出了SeedProteo，一种基于扩散的模型，用于从头全原子蛋白质设计。我们展示了如何将一种前沿的折叠架构重新利用为一种强大的生成设计框架，通过有效整合自条件化特性。广泛的基准测试突显了该模型在两个不同任务上的能力：在无条件生成中，SeedProteo表现出优越的长度泛化能力和结构多样性，保持了对长序列和复杂拓扑结构的稳健性；在结合物设计中，它在开源方法中实现了最先进的性能，达到了最高的在硅设计成功率、结构多样性和新颖性。最后，我们通过湿实验室实验验证了SeedProteo在两个治疗靶点上的效果，实现了70%-80%的命中率和皮摩尔级的结合亲和力，建立了领先的结果。为了促进社区采用，我们通过网页服务器（https://seedfold.io/proteinDesign）提供公共访问权限。
英文摘要：
We present SeedProteo, a diffusion-based model for de novo all-atom protein design. We demonstrate how to repurpose a cutting-edge folding architecture into a powerful generative design framework by effectively integrating self-conditioning features. Extensive benchmarks highlight the model's capabilities across two distinct tasks: in unconditional generation, SeedProteo exhibits superior length generalization and structural diversity, maintaining robustness for long sequences and complex topologies; in binder design, it achieves state-of-the-art performance among open-source methods, attaining the highest in-silico design success rates, structural diversity and novelty. Finally, we validate SeedProteo through wet-lab assays on two therapeutic targets, achieving hit rates of 70%-80% and picomolar-level binding affinities, establishing leading results. To facilitate community adoption, we provide public access to SeedProteo via a webserver (https://seedfold.io/proteinDesign).
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
