[Nature computational science | 论文简读] 基于深度学习和自一致性的无旋转蛋白质序列设计

简读分享 | 王汝恒 编辑 | 李仲深

论文题目

Rotamer-free protein sequence design based on deep learning and self-consistency

论文摘要

以前提出的几种设计氨基酸序列的深度学习方法可以自动折叠到给定的蛋白质骨架中，在测试中取得了很好的结果，但在湿实验中没有优于传统的基于能量函数的方法。在此，作者提出了ABACUS-R方法，该方法使用多任务学习策略训练的编码器-解码器网络，从三维局部环境预测中心残留物的侧链类型，其中除了其他特征外，还包括周围侧链的类型，但不包括其构象。这消除了重建和优化侧链结构的需要，并大大简化了序列设计过程。因此，迭代地将编码器-解码器应用于不同的中心残差，能够为目标主干生成自一致的整体序列。湿实验结果（包括X射线晶体学求解的五个结构）表明，ABACUS-R在成功率和设计精度方面优于最先进的基于能量函数的方法。

论文链接

https://www.nature.com/articles/s43588-022-00273-6

代码链接

https://doi.org/10.24433/CO.3351944.v1