走向自动化蛋白质合成

积累知识，胜过积蓄金银！毕竟在科技周边开发的过程中，会遇到各种各样的问题，往往都是一些细节知识点还没有掌握好而导致的，因此基础知识点的积累是很重要的。下面本文《走向自动化蛋白质合成》，就带大家讲解一下知识点，若是你对本文感兴趣，或者是想搞懂其中某个知识点，就请你继续往下看吧~

波菜叶是一种常见的蔬菜，也被称为菠菜。它的叶子呈现出波浪状的形状，因此得名。波菜叶富含维生素C、维生素A和铁等营养成分，对于提高免疫力和促进血液循环非常有益。它可以生食或烹饪，常用于制作色拉、汤和炒菜等菜肴。如果您想要增加蔬菜摄入量，波菜叶是一个不错的选择。它不仅美味可口，而且营养丰富，有助于保持健康的生活方式。尝试一些波菜叶的食谱，您会发现它们为您的饮食增添了多样性和营养价值

在计算蛋白质设计中，机器学习算法最近取得了许多进展。例如，它可以通过氨基酸序列预测蛋白质的3D结构，还可以逆向设计蛋白质序列，使其能够折叠成所需的3D结构。然而，从头生成蛋白质结构，也就是生成具有所需特性的蛋白质结构，仍然是一项困难的任务

蛋白质分子的空间巨大，而功能性蛋白质只是由所有可能的蛋白质分子的一小部分构成，这使得识别序列、结构和功能之间的关系变得困难

尽管深度生成模型已经在蛋白质结构生成方面取得了进展，但仍然面临一些挑战。其中包括如何生成完整蛋白质的复杂结构、如何在不重新训练模型的情况下进行条件采样，并满足不同的设计约束，以及如何在复杂性增加时缺乏合理的缩放行为

在最近的一个项目中，Gevorg Grigoryan团队利用改进的扩散模型，开发了一种深度生成模型，以解决以上的挑战。这个模型使得能够生成具有各种用户定义约束的物理可行且可设计的蛋白质结构成为可能

以下是论文的链接：https://www.nature.com/articles/s41586-023-06728-8

Chroma是一个开发的框架，旨在实现高质量的蛋白质生成。该框架包含三个关键模型设计

第一个第一种方法是采用扩散模型，该模型能够学习逆转相关噪声过程以匹配天然蛋白质的距离统计。此外，受到多体物理学中的力计算方法的启发，作者设计了一种神经网络（NN）结构，该结构利用随机远程图连接和连接统计来更新分子坐标

这种神经网络设计有一个值得一提的特点，即它允许计算以半二次方的方式缩放残基数量。最后，Chroma将低温采样方法与改进的采样骨架质量相结合，这为选择蛋白质设计约束提供了更大的灵活性

作者指出，Chroma 可以根据许多外部约束生成大蛋白质分子。这些约束包括拉丁字母或阿拉伯数字的对称性、形状、语义和几何形状。通过实验证据，证明设计的蛋白质具有准确的结构和优良的特性。总的来说，Chroma 展示了在蛋白质设计中编程属性和功能的有效能力

相关链接：https://www.nature.com/articles/s43588-023-00579-z

以上就是本文的全部内容了，是否有顺利帮助你解决问题？若是能给你带来学习上的帮助，请大家多多支持golang学习网！更多关于科技周边的相关知识，也可关注golang学习网公众号。