2020年蛋白质结构预测关键评估(CASP)标志着一个重大进展。机器学习方法AlphaFold预测了大多数靶蛋白的结构,其准确性评估人员称之为“与实验竞争”。在这里,我讨论了改进的蛋白质结构预测的影响,突出令人兴奋的研究领域和仍然存在的挑战。
这是订阅内容的预览,通过你所在的机构访问
访问选项
访问《自然》和其他54种《自然》杂志
获取Nature+,我们最超值的在线订阅
每月29.99美元
随时取消
订阅这本杂志
收到12个印刷问题和在线访问
每年209.00美元
每期只要17.42美元
租或购买这篇文章
只要这篇文章,只要你需要它
39.95美元
价格可能受当地税收的影响,在结账时计算
参考文献
Jumper, J.等。高度准确的蛋白质结构预测AlphaFold。自然596, 583-589(2021)。
Akdel, M.等人。AlphaFold 2应用的结构生物学社区评估。预印在bioRxivhttps://doi.org/10.1101/2021.09.26.461876(2021)。
Mosalaganti, S.等人。人工智能揭示核孔的复杂性。预印在bioRxivhttps://doi.org/10.1101/2021.10.26.465776(2021)。
布鲁道等人。ptm在蛋白质组范围内的结构背景。预印在bioRxivhttps://doi.org/10.1101/2022.02.23.481596(2022)。
范肯彭等人。Foldseek:快速准确的蛋白质结构搜索。预印在bioRxivhttps://doi.org/10.1101/2022.02.07.479398(2022)。
Tunyasuvunakool, K.等。高度精确的蛋白质结构预测人类蛋白质组。自然596, 590-596(2021)。
埃文斯等人。蛋白质复合物预测AlphaFold-Multimer。预印在bioRxivhttps://doi.org/10.1101/2021.10.04.463034(2021)。
Baek, M.等。使用三轨道神经网络准确预测蛋白质结构和相互作用。科学373, 871-876(2021)。
汉弗莱斯,i.r.等人。核心真核蛋白复合物的计算结构。科学374, eabm4805(2021)。
伯克,d.f.等人。朝着结构解决的人类蛋白质相互作用网络。预印在bioRxivhttps://doi.org/10.1101/2021.11.08.467664(2021)。
确认
作者感谢J. Jumper、C. Meyer、P. Kohli和D. Hassabis的建议和评论。
作者信息
作者及隶属关系
相应的作者
道德声明
相互竞争的利益
作者声明没有竞争利益。
权利和权限
关于本文
引用本文
利用人工智能技术进行蛋白质结构预测的前景与机遇。Nat Rev Mol细胞生物学23, 445-446(2022)。https://doi.org/10.1038/s41580-022-00488-5
发表:
发行日期:
DOI:https://doi.org/10.1038/s41580-022-00488-5