蛋白质设计在生物技术和制药科学中至关重要。谷歌DeepMind凭借其专利WO2024240774A1，推出了一种利用全原子表示的扩散模型的尖端系统。这一创新框架重新定义了蛋白质设计的方法，实现了前所未有的精度和效率。DeepMind的系统是计算生物学的突破，将先进的神经网络与基于扩散的方法相结合，为原子级蛋白质设计提供了全面的解决方案。
早期的方法通常依赖于不同的步骤进行结构预测和序列优化，导致复杂性和计算负担增加。相比之下，该专利描述了一种集成方法，其中结构和序列预测被统一到一个前向过程中，简化了整个过程，并为该领域设定了新的基准。该专利提供了精确的原子级表示控制、通过高级去噪过程进行迭代细化，以及针对特定功能和结构要求的条件设计框架。这些功能确保了该系统在各种应用中的相关性，包括药物发现、合成生物学和酶工程。
该专利的核心创新如下：全原子表示管理：该模型引入了一个用于管理原子级数据的复杂框架。通过采用“丢弃空间位置”，该系统有效地控制了每个蛋白质残基中的原子。这种方法消除了与传统相位机制相关的复杂性，实现了精确的原子级控制，显著提高了设计过程的效率。统一结构序列预测：与需要单独过程进行结构和序列预测的传统系统不同，该模型将两者集成在一个前向过程中。其结果是一个简化的预测机制，提高了计算效率并简化了实现。
条件设计框架：该系统结合了依赖于目标分子结构信息的条件去噪过程。这使得能够设计具有特定功能和结合特性的蛋白质，为定制蛋白质开发铺平了道路。高级去噪过程：迭代式的细化过程确保了高质量的蛋白质设计。去噪机制集成了丢弃位置管理，实现了动态优化并保持了计算效率。该专利系统由三个主要部分组成：
扩散模型系统
原子控制框架
集成系统
扩散模型系统采用基于神经网络的去噪技术和动态空间优化，确保结构和序列预测的无缝集成。原子控制框架为管理原子表示提供了一种强大的机制，确保在设计过程中只考虑相关的原子数据。该集成系统能够根据特定的靶分子数据调节蛋白质设计，优化资源并确保质量保证。操作流程从生成有噪声的分子数据开始，结合目标分子信息，并用未使用的原子数据的丢弃位置初始化空间位置。
接下来是去噪过程，通过迭代细化系统地降低噪声并动态优化原子位置。该过程整合了关节结构序列预测，减少了计算冗余。最后，以优化的原子级精度生成精制的蛋白质结构，验证序列准确性，并通过质量检查验证最终设计的结构稳定性。该系统具有许多优点，例如通过消除单独的模型和计算冗余来提高效率，通过先进的去噪过程实现卓越的性能，以及适用于各种应用的实用可扩展性。
一次性位置框架显著降低了复杂性，同时确保系统保持高效和精确。乐高积木大师的类比有效地说明了该系统的功能。该系统执行统一的结构和序列预测，就像一个同时可视化和组装结构的构建者。它像未使用的乐高积木一样组织未使用的原子位置，通过高级去噪逐步完善结构。结合特定的部分反映了系统如何将目标分子要求整合到设计过程中。总之，该专利解决了原子级精度和计算效率低下等长期存在的挑战，该系统为生物技术开辟了新的途径。
它能够统一结构和序列预测，优化原子管理，并将功能需求整合到设计过程中，使其成为研究和应用的基石。查看专利详情和PDF副本。这项研究的所有功劳都归功于这个项目的研究人员。此外，别忘了在推特上关注我们，加入我们的电报频道和领英群。如果你喜欢我们的工作，你会喜欢我们的时事通讯。。别忘了加入我们的60k+ML SubReddit。