蛋白质空间的巨大暗面自然进化仅探索了理论可能性的极小一角
来源：Chemical & Engineering News (C&EN) | 原文链接：点击查看原文 | 发布日期：2026年4月3日地球生命历经35亿年的漫长演化，孕育出了数以百万计形态各异的蛋白质。然而，这一切看似叹为观止的多样性，在理论可能性面前却显得极为微不足道。来自冲绳科学技术大学院大学（Okinawa Institute of Science and Technology，OIST）的一项最新研究揭示了一个令人深思的事实：自然界中存在的蛋白质序列，仅仅是理论上可能存在的功能性序列空间中极其微小的一个片段——而这种局限性，将深刻影响人工智能蛋白质预测工具的能力边界。蛋白质序列：无穷可能中的一隅蛋白质是生命活动的核心执行者，其多样性根植于氨基酸序列的无穷排列组合。从理论上来说，仅由20种天然氨基酸组成的蛋白质，其序列可能性近乎无限——即便是一条只有100个氨基酸的短肽，其理论序列数量也高达20的100次......阅读全文
科学家将人工智能技术成功用于蛋白质复合物结构预测
蛋白质作为构成人体组织器官的支架和主要物质，在人体生命活动中起着重要作用。蛋白质的相互作用能产生许多效应，如形成特异底物作用通道、生成新的结合位点、失活、作用底物专一性和动力学变化等，细胞的代谢、信号传导以及基因表达调控都与错综复杂的蛋白质相互作用网络密切相关。 蛋白质的三维空间结构对蛋白质相
科学家将人工智能技术成功用于蛋白质复合物结构预测
蛋白质作为构成人体组织器官的支架和主要物质，在人体生命活动中起着重要作用。蛋白质的相互作用能产生许多效应，如形成特异底物作用通道、生成新的结合位点、失活、作用底物专一性和动力学变化等，细胞的代谢、信号传导以及基因表达调控都与错综复杂的蛋白质相互作用网络密切相关。 蛋白质的三维空间结构对蛋白质相
上海药物所提出基于序列的药物设计新方法
20世纪90年代以来，基于蛋白质结构的药物设计（SBDD）一直是创新药物发现的主流方法，在针对具有明确靶标的疾病治疗方面取得了进步。这种方法一般涉及多个步骤的复杂流程，包括建立蛋白质的三维（3D）结构，识别潜在的配体结合位点，并通过虚拟筛选或全新设计发现活性化合物等。SBDD流程中的每个步骤都有
了解蛋白质挑战的AI解决方案
根据一项严格的独立研究，在一项重大的科学进步中，DeepMind的AI系统AlphaFold的-新版本已被认为是解决已有50年历史的蛋白质结构预测挑战(通常称为“蛋白质折叠问题”)的解决方案。评定。从长远来看，这一突破可以大大促进生物学研究，从而在疾病理解和药物发现等领域开辟新的可能性。CASP14
预测蛋白质序列的新AI模型问世
瑞士洛桑联邦理工学院开发了一种名为CARBonAra的新型人工智能（AI）驱动模型。该模型可以根据不同分子环境所施加限制的主链支架预测蛋白质序列，有望在蛋白质工程及包括医学和生物技术在内的多个领域带来重大进展。这一成果发表在最新一期《自然·通讯》杂志上。使用CARBonAra进行序列预测（示意图
预测蛋白质序列的新AI模型问世
使用CARBonAra进行序列预测（示意图）。图片来源：瑞士洛桑联邦理工学院科技日报北京8月8日电 （记者张佳欣）瑞士洛桑联邦理工学院开发了一种名为CARBonAra的新型人工智能（AI）驱动模型。该模型可以根据不同分子环境所施加限制的主链支架预测蛋白质序列，有望在蛋白质工程及包括医学和生物技术在内
预测蛋白质序列的新AI模型问世
瑞士洛桑联邦理工学院开发了一种名为CARBonAra的新型人工智能（AI）驱动模型。该模型可以根据不同分子环境所施加限制的主链支架预测蛋白质序列，有望在蛋白质工程及包括医学和生物技术在内的多个领域带来重大进展。这一成果发表在最新一期《自然·通讯》杂志上。CARBonAra是在一个包含约370000个
N－端封闭蛋白质内部序列测定实验
实验方法原理 实验材料 蛋白质样品（约 200 mol）试剂、试剂盒 1％乙酸溶液（含丽春红 S 染料）1％ 乙酸0.2 mol／L NaOH0.1 mol／L 乙酸溶液(含PVP-40) 消化缓冲液 1 mg／ml 胰蛋白酶层析溶液 A 层析溶液 B仪器、耗材 0.22 μm 硝酸纤维素膜酸洗过的
N－端封闭蛋白质内部序列测定实验
实验材料蛋白质样品（约 200 mol） 试剂、试剂盒1％乙酸溶液（含丽春红 S 染料）1％ 乙酸0.2 mol／L NaOH0.1 mol／L 乙酸溶液(含PVP-40)消化缓冲液1 mg／ml 胰蛋白酶层析溶液 A层析溶液 B仪器、耗材0.22 μm 硝酸纤维素膜酸洗过的玻璃／Petri 培养皿
预测蛋白质序列的新AI模型问世
瑞士洛桑联邦理工学院开发了一种名为CARBonAra的新型人工智能（AI）驱动模型。该模型可以根据不同分子环境所施加限制的主链支架预测蛋白质序列，有望在蛋白质工程及包括医学和生物技术在内的多个领域带来重大进展。这一成果发表在最新一期《自然·通讯》杂志上。CARBonAra是在一个包含约370000个
N－端封闭蛋白质内部序列测定实验
基本方案 实验方法原理 实验材料 蛋白质样品（约 200 mol）
大难题告破，蛋白质3D结构可用AI解析
DeepMind关于确定蛋白质3D形状的深度学习技术，可能将在生物学界掀起一场新的变革。图中蓝色为计算机预测的蛋白质结构，绿色为实验验证结果，二者相似度非常高。（图片来源：DeepMind） 生物学界最大的挑战之一——蛋白质三维结构解析如今有望被破解。借由深度学习程序AlphaFold，谷歌
蛋白质的空间结构包括哪些
蛋白质是一种生物大分子，基本上是由20种氨基酸以肽键连接成肽链。肽键连接成肽链称为蛋白质的一级结构。不同蛋白质其肽链的长度不同，肽链中不同氨基酸的组成和排列顺序也各不相同。肽链在空间卷曲折叠成为特定的三维空间结构，包括二级结构和三级结构二个主要层次。有的蛋白质由多条肽链组成，每条肽链称为亚基，亚基之
蛋白质印迹技术30年“进化”史
在发明蛋白质印迹法(Western Blot)出现了30多年之后，这项技术仍然是获取特定蛋白可靠鉴定的关键。许多近期涌现的产品利用各种方法来提高蛋白质印迹实验的可重复性、敏感性、定量性以及速度。 有三个人都被认为发展了蛋白质的免疫印迹方法，但其中只有一人才算得上是“Western
Nature、Science齐发：两款新型AI精准预测蛋白结构
去年，DeepMind公司开发的AlphaFold2人工智能系统，基于氨基酸序列，精确预测了蛋白质的3D结构。它的准确性与使用冷冻电子显微镜（CryoEM）、核磁共振或 X 射线晶体学等实验技术解析的3D结构相媲美。这一突破被誉为“变革生命科学和生物医学”的突破。 今日，DeepMind公司在
迄今为止最复杂的蛋白质结
蛋白质的化学成分，即氨基酸序列，如何决定其三维结构的问题，是半个多世纪以来生物物理学面临的最大挑战之一。这种关于所谓蛋白质“折叠”的知识需求量很大，因为它对理解各种疾病及其治疗等方面有重大贡献。出于这些原因，谷歌的DeepMind研究团队开发了AlphaFold，这是一款可以预测3D结构的人工智能。
蛋白质的变性、复性及别构效应
蛋白质变性（denaturation）：生物大分子的天然构象遭到破坏导致其生物活性丧失的现象。蛋白质在受到光照，热，有机溶剂以及一些变性剂的作用时，次级键受到破坏，导致天然构象的破坏，使蛋白质的生物活性丧失。复性（renaturation）：在一定的条件下，变性的生物大分子恢复成具有生物活性的天然构
预测蛋白质结构只是开始－AI或为生命科学领域带来巨变
蛋白质结构预测是生物学的重要“圣杯”，也是人工智能落子生命科学领域最炙手可热的研究之一。 近日，我国自研深度学习蛋白质折叠预测平台TRFold传来好消息，其基于2020年第14届国际蛋白质结构预测竞赛（CASP14）蛋白质测试集的成绩仅次于“阿尔法折叠的迭代版”（AlphaFold2），排名全
预测蛋白质结构只是开始－AI或为生命科学领域带来巨变
蛋白质结构预测是生物学的重要“圣杯”，也是人工智能落子生命科学领域最炙手可热的研究之一。 近日，我国自研深度学习蛋白质折叠预测平台TRFold传来好消息，其基于2020年第14届国际蛋白质结构预测竞赛（CASP14）蛋白质测试集的成绩仅次于“阿尔法折叠的迭代版”（AlphaFold2），排名全
基于人工智能的通用蛋白质工程方法成功开发
蛋白质工程基于蛋白质的灵活性，通过人工手段改变氨基酸序列，实现对蛋白质结构和功能的修饰和改造。与基因组工程相比，蛋白质工程可直接对蛋白质分子进行操纵，借助突变的迭代积累，快速完成蛋白功能优化和创新。 蛋白质工程改造策略包括结构引导的蛋白质理性设计和定向进化，但这些方法往往依赖经验，存在实验周期
基于人工智能的通用蛋白质工程方法成功开发
蛋白质工程基于蛋白质的灵活性，通过人工手段改变氨基酸序列，实现对蛋白质结构和功能的修饰和改造。与基因组工程相比，蛋白质工程可直接对蛋白质分子进行操纵，借助突变的迭代积累，快速完成蛋白功能优化和创新。蛋白质工程改造策略包括结构引导的蛋白质理性设计和定向进化，但这些方法往往依赖经验，存在实验周期长、成本
Meta公司AI预测6亿蛋白质结构
ESM宏基因组图谱数据库包含6.17亿个蛋白质的结构预测。图片来源：ESM宏基因组图谱 谷歌旗下人工智能（AI）公司Deep Mind今年公布了2.2亿个蛋白质的预测结构，几乎涵盖了DNA数据库中已知生物的所有蛋白质。现在，另一个科技巨头正在填补蛋白质宇宙中的暗物质。 Meta公司（前
空间科学中心航天器空间环境效应分析设计技术取得进展
国家空间科学中心近期集成研制成功了综合性“空间环境效应分析软件包”，在航天器空间环境效应分析设计技术方面取得系列进展。 在“中国科学院元器件空间环境特殊效应实验平台”项目的支持下，国家空间科学中心空间环境特殊效应实验室基于ProE软件自主发展了航天器内部辐射屏蔽三维分析技术，发展了高效率的
生物界的ChatGPT，首次成功从零生成原始蛋白质
导读去年，DeepMind开发的AlphaFold系统几乎预测了所有的蛋白质结构，如今蛋白质领域再获突破，由Salesforce Research公司开发的ProGen系统：首次成功从零生成原始蛋白质，相关论文近期发表在Nature Biotechnology上。很多人将其称之为“生物界”的Chat
从预测进化－AI能“构想”新蛋白质结构
半个世纪以来，科学家一直在寻找解决“蛋白质折叠问题”的方法。这是生物学领域的一项重大挑战，难倒了几代科学家。但现在，人工智能（AI）解决了这一问题。据《自然》杂志1日发表的论文，包括美国华盛顿大学、伦斯勒理工学院和哈佛大学的研究人员在内的研究小组描述了一种升级的阿尔法折叠系统，该系统由深度思维（
Cell：设计蛋白质－抵御艾滋病
10年前，一些研究人员着手研究一种有着根本上区别的疫苗研发策略：如何“哄骗”免疫系统制造一类罕见而强大的广泛中和抗体（bNAb），其能消灭几乎每一个艾滋病病毒的变种。如今，3个不同的小组已朝着这个目标迈出了至关重要的步伐。艾滋病病毒之所以能战胜候选疫苗以及人体自身防线，是因为它变异得非常快，从而
设计的蛋白质的应用和实例
酶设计新酶的设计是蛋白质设计在生物工程和生物医学领域的巨大应用。通常，设计蛋白质结构可能与设计酶不同，因为酶的设计必须考虑催化机制中涉及的许多状态。然而，蛋白质设计是从头进行酶设计的先决条件，因为至少催化剂的设计需要支架，在支架中可以插入催化机理。在21世纪的前十年，从头酶设计和重新设计取得了巨大进
AI设计出具非凡结合强度蛋白质
原文地址：http://news.sciencenet.cn/htmlnews/2023/12/514540.shtm 一种使用深度学习方法设计出来的新蛋白质。图片来源：华盛顿大学医学院蛋白质设计研究所美国科学家借助机器学习软件，创建出一批具有非凡结合强度的蛋白质分子。这些分子与包括人类激素
打开盲盒：AlphaFold2预测了人类全蛋白质组－将免费开放
翘首以盼8个月的 AlphaFold2 的论文与源码发布后一周，今天 DeepMind 再度公布关于 AlphaFold2 的重磅信息：用 AlphaFold2 完全预测了人、大肠杆菌、果蝇、斑马鱼等21种生物的全蛋白质组内35万个蛋白质结构！这项工作发表在了本周出版的Nature上。 Hol
AlphaFold革新改变生命科学的未来
黑客攻击 当DeepMind刚公布AlphaFold的代码时，Ovchinnikov很想搞清楚它是如何进行预测的。于是，他和计算生物学的同事们，包括Steinegger在内，用了几天时间创建了一个名为ColabFold的网站。该网站能让所有人向AlphaFold或RoseTTAFold上传蛋白质序