文献解读：LigandMPNN
文章目录
- Atomic context-conditioned protein sequence design using LigandMPNN
- 作者信息
- 背景
- 难点
- 模型架构
- ProteinMPNN
- LigandMPNN
- 输入特征：
- 输出
- 模型
- 算法
- 侧链堆积模型
- 数据
- 模型效果
- 1. 测定5A内的蛋白质侧链的序列恢复率
- 2. 消融实验
- 3. 评估侧链包装性能(侧链chi角)
- 4. 测试为小分子设计结合位点的能力
- 思考与讨论：
Atomic context-conditioned protein sequence design using LigandMPNN
作者信息
David Baker
背景
De novo protein design 主要分为三步：
-
生成适合目标功能的蛋白质骨架。
RFdiffusion 去噪扩散概率模型 + RF结构预测网络
Chroma 扩散模型+分子图神经网络，用于骨架合成和全原子设计
Proteus 通过集成基于图的三角形技术和多轨交互网络+局部图建模来降低计算复杂度，实现RFdiffusion相似的主干设计能力，同时能达到Chroma相似的蛋白生成速度。
-
为每个蛋白骨架进行氨基酸序列设计，从而驱动折叠到目标结构，并进行功能所需的特定相互作用(如酶活性位点)。
ProDCoNN
DenseCPD
Rosetta
ProteinMPNN (参考