.png){kind=icon}
返回
Improving diffusion-based protein backbone generation with global-geometry-aware latent encoding
.png){kind=icon}
PRE
AI
DOI：10.1038/s42256-025-01059-x.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
蛋白质的全球结构特性，如形状、折叠和拓扑结构，对其功能有显著影响。尽管近年来基于扩散的生成模型取得了突破性进展，极大地推动了从头蛋白质设计的发展，特别是在生成多样化和逼真的结构方面，但在不控制拓扑细节的残基级别的情况下设计具有特定几何形状的蛋白质仍然具有挑战性。需要一种更实用、自顶向下的方法来规定生成蛋白质结构中二级结构元素的整体几何排列。为此，我们提出了TopoDiff，一个无监督框架，学习和利用全局几何感知的潜在表示，实现无条件和可控的基于扩散的蛋白质生成。该模型在蛋白质数据库和CATH数据集上训练，其结构编码器将蛋白质全局几何形状嵌入到32维的潜在空间中，其中由潜在采样器采样的潜在代码作为扩散基础解码器的信息条件。在对比现有基线的基准测试中，TopoDiff在可设计性、多样性和新颖性等既定指标上表现出与现有方法相当的性能，同时在CATH数据集中显著提高了对天然蛋白质折叠类型的覆盖范围。此外，潜在条件编码实现了全局几何层面的多功能操作，以控制生成的蛋白质结构，通过这种方式我们推导出了一系列经过全面实验验证的主要为β蛋白的新型折叠。我们提出了一种基于变分自编码器的扩散架构，能够对基于扩散的蛋白质结构生成进行拓扑控制。因此，经过实验验证的主要为β蛋白的新型折叠可以被设计出来。
期刊
IF:
23.9
论文数:
1.3K
被引数:
1.5W
机构
引用论文
Scoring function for automated assessment of protein structure template quality用于自动评估蛋白质结构模板质量的评分功能
PREAI
分享收藏Generative design of de novo proteins based on secondary-structure constraints using an attention-based diffusion model使用基于注意力的扩散模型，基于二级结构约束的从头蛋白质的生成设计.png)
CHEM
OAAI
CHEMIF19.6
OAAI分享收藏分享收藏Validation of de novo designed water‐soluble and transmembrane β‐barrels by in silico folding and melting通过计算机模拟折叠和熔解验证从头设计的亲水和跨膜β桶
PREAI
分享收藏
查看更多内容