年12月25日，来自加拿大多伦多大学的AlexeyStrokach和PhilipM.Kim在CurrOpinStrucBiol合作发表综述“蛋白质设计的深度生成建模”。

以下是该综述内容。

亮点

?机器学习正在成为蛋白质设计过程的关键组成部分。

?深度生成模型可以产生新的蛋白质序列和结构。

?条件生成模型可以产生具有特定性质的蛋白质。

?判别式预测可用于进一步微调设计过程。

摘要

深度学习方法在图像分类和自然语言处理等领域取得了重大突破，并在蛋白质设计领域取得了快速进展。研究人员已经已经开发了许多包含所有已知蛋白质序列的蛋白质生成模型，模拟特定的蛋白质家族，或推断单个蛋白质的动力学。这些生成模型可以学习蛋白质表示，通常比手工设计的特征更能提供蛋白质结构和功能的信息。此外，它们可用于快速提出数百万种在表达水平、稳定性或其他属性上与天然蛋白质类似的新型蛋白质。蛋白质设计过程可以进一步由判别式预测指导，以选择具有所需性质概率最高的候选蛋白质。在本综述中，我们讨论了五类在蛋白质建模方面最成功的生成模型，并为模型引导的蛋白质设计提供了一个框架。

前言

蛋白质设计是生成与具有所需功能的蛋白质相对应的新氨基酸序列的过程。蛋白质设计的主要策略是定向进化，使用多轮随机诱变和高通量筛选来选择最有前途的序列。计算方法已被提议作为随机诱变的替代方法，并且可以提高所提出序列的质量。早期的计算方法依赖于进化曲线和半经验能量函数来指导序列空间的探索，最近，深度学习因为可以利用蛋白质序列和结构大型数据集中的信息、并构建更准确地捕获蛋白质序列功能的模型而备受

转载请注明:http://www.aideyishus.com/lkgx/726.html