科技日报北京10月10日电 （记者张梦然）美国哈佛大学与西北大学研究团队合作，开发出一种新型机器学习方法，能够从无序蛋白质中排序，设计出具有特定性质的内在无序蛋白质（IDPs），从而突破了当前人工智能（AI）工具在解析约30%人类蛋白质结构上的局限。该成果发表于最新一期《自然·计算科学》。
内在无序蛋白的艺术图。图片来源：美国哈佛大学/西北大学这类蛋白质因其不折叠成固定三维结构而长期难以被建模，像“阿尔法折叠”等先进AI系统虽在结构预测方面表现卓越，却无法有效处理这类高度动态的分子。然而，IDPs在细胞信号传导、分子传感和交联等关键生物过程中发挥着核心作用，其功能异常也与癌症、神经退行性疾病等多种疾病密切相关，例如α-突触核蛋白就与帕金森病紧密关联。
为应对这一挑战，研究团队提出了一种结合物理模型与机器学习技术的新路径。该方法基于“自动微分”技术——一种常用于深度学习中计算导数的算法，用于追踪输入变量微小变化对输出的影响。他们利用这一机制，在分子动力学模拟框架下直接优化氨基酸序列，使其具备预定的物理或功能特性。与依赖大量数据训练的典型人工智能模型不同，该方法依托已有且足够精确的物理模拟体系，通过梯度优化高效搜索满足特定功能需求的蛋白质序列，如形成柔性连接结构或响应环境变化的能力。
团队强调，目标并非用数据驱动模型替代物理理解，而是将真实的分子行为规律嵌入设计过程，使生成的蛋白质序列不仅具备功能性，而且其设计过程本身就根植于自然界真实的动力学原理。由此设计出的蛋白质是“可微分的”，意味着每一步优化都建立在对系统物理状态连续、精确调控的基础上，而非依赖黑箱式的预测。
广东省科学院生态环境与土壤研究所研究员刘芳华团队在电能微生物和水铁矿促进产氢机制方面取得新进展。近日，相关成果先 图为在上海科技创新成果展上拍摄的科学刊物展台。新华社记者 方喆摄 一直以来，学者们向学术期刊投稿面临着激烈竞 12月20日，由清华大学牵头、中国电信集团有限公司等单位联合制定的“RFC6052、RFC6145和RFC7599等国际IPv6技术创新IETF R 近日，美国化学会旗下C&EN杂志公布了2023年最“炫”的分子榜单。尽管这些分子很小，但其能量却很大，有些甚至可能改 今天（1月3日），位于河北保定的亚洲最大自然博物馆之一——中国古动物馆（保定自然博物馆）正式开馆。 △中国 关于公布2023年辽宁省自然科学学术成果奖评选结果的通知 各市人力资源和社会保障局，省级学会（协会、研究会），市科学技术协 。本文链接：机器学习设计出内在无序蛋白质http://www.sushuapos.com/show-11-26764-0.html
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。
上一篇： 还能捕鸟？“大夜蝠”高难度狩猎揭秘
下一篇： “守护者”蛋白能防止DNA复制损伤