https://ixxmu.github.io/tags/idrugs/Recent content in IDRUGS on 文字轨迹Hugozh-cnFri, 22 Dec 2023 00:20:51 +0000https://ixxmu.github.io/posts/2023-12/nature___%E4%BB%8E%E5%A4%B4%E8%AE%BE%E8%AE%A1%E7%9A%AE%E6%91%A9%E5%B0%94%E7%BA%A7%E5%88%AB%E4%BA%B2%E5%92%8C%E5%BC%BA%E5%BA%A6%E7%9A%84%E5%A4%9A%E8%82%BD%E7%BB%93%E5%90%88%E8%9B%8B%E7%99%BD/Fri, 22 Dec 2023 00:20:51 +0000https://ixxmu.github.io/posts/2023-12/nature___%E4%BB%8E%E5%A4%B4%E8%AE%BE%E8%AE%A1%E7%9A%AE%E6%91%A9%E5%B0%94%E7%BA%A7%E5%88%AB%E4%BA%B2%E5%92%8C%E5%BC%BA%E5%BA%A6%E7%9A%84%E5%A4%9A%E8%82%BD%E7%BB%93%E5%90%88%E8%9B%8B%E7%99%BD/Nature | 从头设计皮摩尔级别亲和强度的多肽结合蛋白 by iDRUGS 华盛顿大学(University of Washington,Seattle)/HHMI David Baker等研究人员综合利用传统以及基于深度学习的方法来设计特异靶向螺旋形多肽的结合蛋白[1], [2]；发现基于深度学习的RFdiffusion方法非常有前景[3]，因为它既能优化通过其它方法设计的结合蛋白（通过partial diffusion），还能完全从头设计出亲和强度高达皮摩尔级别的结合蛋白，这也是直接计算设计（不经湿实验优化）出的最大亲和强度的蛋白/多肽/小分子结合蛋白[4]。