基于深度学习的蛋白质复合体预测与设计
Deep Learning for Protein Complex Prediction and Design
AI总结：
本文利用深度学习研究蛋白质复合体结构建模与设计，提出领域专用架构和高效搜索算法，提升预测精度与序列设计能力。
摘要：
准确建模和设计蛋白质复合结构是计算结构生物学中的核心问题，对理解细胞功能和开发疗法具有广泛影响。本文利用深度学习研究该问题的两个基本方面：用于捕捉蛋白质结构层次性质的领域专用架构，以及高效导航蛋白质复合序列空间的搜索算法，以识别相互作用同源物，提高复合结构预测能力，并设计蛋白质序列。
英文摘要：
Accurately modeling and designing protein complex structures is a central problem in computational structural biology, with broad implications for understanding cellular function and developing therapeutics. This thesis investigates two fundamental aspects of this problem using deep learning: domain-specific architectures that capture the hierarchical nature of protein structures, and search algorithms that efficiently navigate the vast sequence spaces of protein complexes to identify interacting homologs for improving complex structure prediction and to design protein sequences.
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。
