轰动全球！国内最年轻院士提前预定诺奖！连发6篇Nature与Science解决药物设计50年卡脖子技...

主要观点总结

文章介绍了美国华盛顿大学生物化学系David Baker团队在《Nature Methods》上发表的名为“Atomic context-conditioned protein sequence design using LigandMPNN”的研究论文，提出了基于深度学习的蛋白质序列设计方法—LigandMPNN。该方法在恢复与非蛋白质分子相互作用的天然氨基酸序列方面优于现有的Rosetta和ProteinMPNN方法，提高了蛋白质与非蛋白质分子相互作用的设计能力，为酶、传感器和结合蛋白的设计提供更高效、更准确的工具。文章还介绍了酶在自然界中的强大催化作用，以及从工业化学品合成到塑料回收，从医药研发到环境修复，如果设计出新型酶将带来革命性变革。此外，文章还介绍了AI赋能酶设计新突破，以及通过培训学习AI蛋白质设计资料与学习途径。

关键观点总结

关键观点1: LigandMPNN方法

David Baker团队提出了基于深度学习的蛋白质序列设计方法—LigandMPNN，该方法在恢复与非蛋白质分子相互作用的天然氨基酸序列方面优于现有的Rosetta和ProteinMPNN方法。

关键观点2: 酶的强大催化作用

酶在自然界中拥有强大的催化作用，能够显著加速化学反应，其设计对于众多领域具有革命性影响。

关键观点3: AI赋能酶设计新突破

近日，华盛顿大学蛋白质设计研究所展示了酶设计领域的重大突破，结合RFdiffusion的生成能力和PLACER的预组织评估方法，设计出具有催化效率高的丝氨酸水解酶，实现了与天然酶相媲美的催化能力。

关键观点4: 培训学习AI蛋白质设计

清华大学、北京大学、西湖大学、浙江大学、中国科技技术大学、天津大学、协和药物研究所、上海药物研究所已经举办了培训六十七期，参会学员达7000余人。提供了四大顶尖课程，包括CADD计算机辅助药物设计、AI蛋白质设计、合成生物学与基因线路设计、AIDD人工智能药物发现与设计。