仅几秒，准确推断蛋白动力学信息，山大、北理工等AI模型RMSF-net登Nature子刊

AIGC动态欢迎阅读

原标题：仅几秒，准确推断蛋白动力学信息，山大、北理工等AI模型RMSF-net登Nature子刊
关键字：动力学,蛋白质,电子显微镜,解读,报告
文章来源：人工智能学家
内容字数：0字

内容摘要：

来源：ScienceAI
编辑：KX
蛋白质的动力学对于理解其机制至关重要。然而，通过计算预测蛋白质动学信息具有挑战性。
在此，来自山东大学、百图生科（BioMap）、北京理工大学、湖北医药学院、宁夏医科大学和阿卜杜拉科技大学（KAUST）的研究团队，提出了一个神经网络模型 RMSF-net，其优于以前的方法，并在大规模蛋白质动力学数据集中产生最佳结果；该模型可以在几秒钟内准确推断出蛋白质的动力学信息。
通过从实验蛋白质结构数据和低温电子显微镜 (cryo-EM) 数据集成中有效地学习，该方法能够准确识别低温电子显微镜图和 PDB 模型之间的交互式双向约束和监督，以最大限度地提高动力学预测效率。
RMSF-net 是一个可免费使用的工具，将在蛋白质动力学研究中发挥重要作用。
该研究以「Accurate Prediction of Protein Structural Flexibility by Deep Learning Integrating Intricate Atomic Structures and Cryo-EM Density Information」为题，于 7 月

原文链接：仅几秒，准确推断蛋白动力学信息，山大、北理工等AI模型RMSF-net登Nature子刊