ESMFold:打破蛋白质结构预测速度限制,大型语言模型的生物基因革命?
AI与生物

ESMFold:打破蛋白质结构预测速度限制,大型语言模型的生物基因革命?

Meta的ESMFold蛋白质结构预测模型通过大型语言模型技术,利用ESM-2学习信息和表示进行端到端3D结构预测,无需显性同源序列,实现了对约6亿种微生物蛋白质结构的快速预测。与DeepMind的AlphaFold2相比,它在短氨基酸序列上速度快了近60倍,并展示了显著效率提升。此模型由Meta AI资深研究科学家Alexander Rives领导的研究团队开发,旨在应对生物多样性带来的挑战并加速蛋白质结构解析。ESMFold的出现标志着AI在生物学应用中又向前迈出重要一步,缩短了蛋白质结构预测的时间,降低了成本。
天壤XLab的蛋白质革命:AI设计平台如何重塑药物发现?
AI与生物

天壤XLab的蛋白质革命:AI设计平台如何重塑药物发现?

天壤XLab近期上线了xCREATOR和自主研发的蛋白质扩散模型,面向高校师生免费开放,已吸引数百用户。团队通过AI技术实现了蛋白质自动生成,包括基于描述参数的三维结构生成和分析功能,显著提高了蛋白质设计效率,有望将其应用带入产业。此技术不仅降低了研发门槛,还在理论上克服了人力无法应对的巨大蛋白质序列组合,对解决人类重大疾病如癌症等具有潜在突破性。