Точное предсказание структуры биомолекулярных взаимодействий с помощью AlphaFold 3
Accurate structure prediction of biomolecular interactions with AlphaFold 3
2024-05-08
SCID: 54.1/7wt3h86c
Discuss with AI
AlphaFold 3предсказание структуры биомолекулярных взаимодействийдиффузионная архитектуравзаимодействия белок–лигандвзаимодействия белок–нуклеиновая кислота
Figures from the paper
Abstract (AI)
Появление AlphaFold 2 1 вызвало революцию в моделировании структуры белков и их взаимодействий, сделав возможным широкий спектр применений в моделировании и дизайне белков 2–6. Здесь мы описываем модель AlphaFold 3 с существенно обновлённой архитектурой на основе диффузии, способную предсказывать совместную структуру комплексов, включающих белки, нуклеиновые кислоты, малые молекулы, ионы и модифицированные остатки. Новая модель AlphaFold демонстрирует существенно более высокую точность по сравнению со многими ранее разработанными специализированными инструментами: значительно более высокую точность предсказания взаимодействий белок–лиганд по сравнению с современными инструментами докинга, гораздо более высокую точность предсказания взаимодействий белок–нуклеиновая кислота по сравнению со специализированными предикторами взаимодействий с нуклеиновыми кислотами и существенно более высокую точность предсказания взаимодействий антитело–антиген по сравнению с AlphaFold-Multimer v.2.3 7,8. В совокупности эти результаты показывают, что высокоточное моделирование в пространстве биомолекул возможно в рамках единой унифицированной системы глубокого обучения.
Key Findings
1
AlphaFold 3 обеспечивает существенно более высокую точность предсказания белок–лигандных взаимодействий по сравнению с современными методами докинга.
2
AlphaFold 3 существенно повышает точность предсказания взаимодействий антитело–антиген по сравнению с AlphaFold-Multimer v.2.3.
3
AlphaFold 3 использует существенно обновлённую диффузионную архитектуру для предсказания совместных структур комплексов, содержащих белки, нуклеиновые кислоты, малые молекулы, ионы и модифицированные остатки.
4
Модель демонстрирует значительно более высокую точность предсказания взаимодействий белков с нуклеиновыми кислотами, чем специализированные предикторы для нуклеиновых кислот.
5
Результаты показывают, что точное моделирование разнообразных биомолекулярных взаимодействий возможно в рамках единой глубокой обучаемой модели.
Research Object
Биомолекулярные комплексы, включающие белки, нуклеиновые кислоты, малые молекулы, ионы и модифицированные остатки
Research Subject
Точное предсказание совместных структур комплексов и биомолекулярных взаимодействий в системах белок–лиганд, белок–нуклеиновая кислота и антитело–антиген
Publication Details
Publication Date
2024-05-08
Journal
Publisher
ISSN
Cited by
15742
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai4
Работы, цитирующие эту статью20
Семейство BCL2: от механизмов апоптоза к новым достижениям таргетной терапии2025
Масштабируемое моделирование равновесных ансамблей белков с помощью генеративного глубокого обучения2025
Прикладной искусственный интеллект в материаловедении и дизайне материалов2025
Языковые модели белков, обученные на биофизической динамике, информируют о влиянии мутаций2026
Агент на основе большой языковой модели для модульного выполнения задач в разработке лекарственных средств2026
Сигнализация поверхностного иммунитета разблокирует активацию NLR посредством альтернативного сплайсинга мРНК2026
Секретируемый белок эндосимбионта, необходимый для колонизации клеток хозяина2026
Структурные снимки ферментов человека, модифицирующих тРНК2025
Исследование факторов, определяющих эффективность машинного обучения при прогнозировании приспособленности белков2025
Метаболические «клеи» как механизм распознавания пуринов и ответа на химиотерапию2026
Таф-зависимый пилис галлофильной археи образуется посредством механизма донорства цепи и способствует формированию биоплёнки2025
Библиотека вирусного ORFeome для системного генетического анализа взаимодействий хозяин-патоген2026
Структура прекомплекса и объяснение биогенеза CMGE2026
Линейное предсказание взаимодействий белков микроорганизмов в масштабе протеома2026
Геномный CRISPR-скриннинг выявляет, как диатомовые водоросли процветают при динамическом освещении2026
Картирование внутриклеточных контактных участков белков выявляет захват паразплексов при инфекции вирусом гриппа A2026
Исследование окисления лигнина двухдоменной мультикупрооксидазой из Cellvibrio japonicus2026
Люминеспиб и AZ5104 являются эффективными антитромботическими препаратами за счёт воздействия на путь Ero1α–PDI тромбоцитов2026
Телесто-специфическая ось «кислород–иммунитет», где FIH активирует NF-κB через конкурентное связывание с IκBα2026
AbpX из Pyrodictium abyssi выявляет кальций-реагирующую семью микробных белков биоматрицы, формирующих термостойкие гидрогели2026