Deep learning methods for protein structure prediction

doi:10.1002/mef2.96

Deep learning methods for protein structure prediction

2024-09-23

0

OA

AI

DOI：10.1002/mef2.96

原文链接

查看原文

摘要

En 中文

摘要蛋白质结构预测（PSP）一直是生物信息学和计算生物学中的热门话题，旨在根据序列数据预测蛋白质的功能和结构。蛋白质的三维构象对其复杂的生物学作用至关重要。随着计算能力的提升和深度学习（DL）技术（尤其是Transformer网络架构）的应用，PSP领域迎来了全新的“神经化”时代。本文重点回顾了PSP从传统方法到现代基于深度学习方法的演变，以及各种结构预测方法的特点，强调了基于深度学习的混合预测方法相比传统方法的优势。本研究还总结了常用的生物信息学数据库和最新的结构预测模型，并讨论了用于模型训练、验证和评估的深度学习网络及算法优化。此外，本文概述了基于深度学习的蛋白质结构预测的主要进展。AlphaFold 3的更新进一步拓展了预测模型的边界，特别是在蛋白质-小分子结构预测方面。这标志着向生物分子结构解析整体方法的关键转变，旨在解决各种生物现象中几乎所有的序列-结构谜题。

Deep learning methods for protein structure prediction

摘要

AI总结

期刊

机构

引用论文