文章摘要
清华大学Ziyuan Ma, Wenjie Li, Yunhao Shen, Yunxin Xu和Shuyi Zhang等在Nature Methods上发表了一项研究,提出了一种名为EvoScan的方法,用于全面分割和扫描高适应度蛋白质序列空间,以捕捉其本质特征。该方法结合了深度学习和大型语言模型,能够精确重构空间并预测新的高度匹配的蛋白质序列,无需事先的同源性衍生或结构信息。研究结果显示,仅使用82个锚点即可压缩高适应度序列空间,压缩比达到10E48,为生物分子设计和自然进化的理解提供了新的视角。
本站注明稿件来源为其他媒体的文/图等稿件均为转载稿,本站转载出于非商业性的教育和科研之目的,并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题,请作者速来电或来函联系。