ByteDance Research登Nature子刊：AI+冷冻电镜，揭示蛋白质动态
文章摘要
【关 键 词】 诺贝尔奖、结构生物学、冷冻电镜、AI for Science、蛋白质设计
2024年诺贝尔化学奖授予了David Baker团队和AlphaFold团队，以表彰他们在结构生物学领域的重大成就，这一事件激发了AI for Science领域的研究热潮。尽管AlphaFold等结构预测模型的训练数据来源于传统结构解析方法，如X射线和冷冻电镜（cryo-EM），但AlphaFold无法解析蛋白质的动态变化，而冷冻电镜技术在这方面表现出色。字节跳动ByteDance Research团队提出了CryoSTAR方法，将原子模型的结构先验应用于冷冻电镜实验数据的动态解析中，为解决这一问题提供了新的思路。
CryoSTAR是首个在冷冻电镜实验数据上应用蛋白质原子结构模态先验的方法，其特点包括结合蛋白质结构先验知识和输出两种模态的解析结果。该方法分为两个阶段：第一阶段通过结构正则化约束的变分自动编码器（VAE）解析数据中的动态构象；第二阶段通过训练一个密度图解码器得到密度图模态的动态构象解析结果。CryoSTAR在多个公开数据集的冷冻电镜实验数据上得到了验证，展现出在解析大型复合物、膜蛋白和单链蛋白方面的潜力。
CryoSTAR方法的提出显著提升了冷冻电镜在动态构象解析中的应用潜力，通过利用原子结构模态先验作为约束，同时输出两种模态的解析结果，这一创新方法在技术上展示了其独特的优势，并为科学研究打开了新的大门。该方法在生命科学和制药领域具有潜在价值，有助于理解生物大分子的动态行为及其机制，为发现新型药物靶点和优化药物设计提供重要依据。
ByteDance Research AI制药团队在AI for Science方向持续发力，团队在生成式蛋白质设计、蛋白质构象预测以及冷冻电镜解析等领域取得了业界瞩目的成果。团队的研究成果多次发表在Nature子刊、ICML、NeurIPS、ICLR等顶级学术会议上，得到学术界和业界的广泛认可。
原文和模型
【原文链接】 阅读原文 [ 2777字 | 12分钟 ]
【原文作者】 机器之心
【摘要模型】 moonshot-v1-32k
【摘要评分】 ★★★★☆
