本报讯（记者赵广立）近日，深势科技团队使用超过100个集合变量加速采样进程，使得科学家得以在神经网络加持下，对蛋白结构的“精雕细琢”再进一步。相关研究发表于《自然—计算科学》。
能否用计算方法还原蛋白质生理状态并加速研究工作，已成为计算生物学中最具挑战性的问题之一。尽管在2020年的国际蛋白质结构预测顶级竞赛中，AlphaFold2的表现引发生物界巨大轰动，但相比于蛋白质真实的生理状态，其预测结果仍需要进一步的蛋白结构精修。
经典分子动力学（MD）模拟方法在蛋白质体系中采样效率低，而传统增强采样算法又面临着计算量大、难以选取集合变量以及维数灾难的问题。深势科技团队介绍，将基于神经网络的强化动力学（RiD）方法应用于拥有更高维集合变量的体系中，将有力推进蛋白质结构采样、结构精修或环区优化等工作，从而使研究人员能够通过计算方法向蛋白质的天然状态更进一步。在该研究中，研究人员利用RiD方法在蛋白质结构优化问题上处理了超过100个集合变量，让MD方法无法得到的蛋白质天然结构在强化动力学方案下成为现实。
为了方便学术开发与应用，团队已将RiD方法重构为开源软件供用户使用，同时针对药物设计场景，对RiD进行了进一步开发和优化，集成于旗下一站式计算辅助药物设计平台Hermite中。用户可通过Hermite-ProteinRefine对输入的蛋白质进行结构优化，获得更接近天然状态的蛋白结构。
相关论文信息：
https://doi.org/10.1038/s43588-021-00173-1
《中国科学报》 (2021-12-31 第4版综合)
来源：中国科学报
原文链接：http://news.sciencenet.cn//sbhtmlnews/2021/12/367539.shtm
版权声明：除非特别注明，本站所载内容来源于互联网、微信公众号等公开渠道，不代表本站观点，仅供参考、交流、公益传播之目的。转载的稿件版权归原作者或机构所有，如有侵权，请联系删除。
电话：（010）86409582
邮箱：kejie@scimall.org.cn
