Suppr超能文献

利用深度生成模型进行蛋白质序列设计。

Protein sequence design with deep generative models.

机构信息

Division of Chemistry and Chemical Engineering, California Institute of Technology, 1200 E California Blvd, Pasadena, 91125, CA, USA.

Division of Biology and Biological Engineering, California Institute of Technology, 1200 E California Blvd, Pasadena, 91125, CA, USA.

出版信息

Curr Opin Chem Biol. 2021 Dec;65:18-27. doi: 10.1016/j.cbpa.2021.04.004. Epub 2021 May 26.

Abstract

Protein engineering seeks to identify protein sequences with optimized properties. When guided by machine learning, protein sequence generation methods can draw on prior knowledge and experimental efforts to improve this process. In this review, we highlight recent applications of machine learning to generate protein sequences, focusing on the emerging field of deep generative methods.

摘要

蛋白质工程旨在寻找具有优化性质的蛋白质序列。当受到机器学习的指导时,蛋白质序列生成方法可以利用先前的知识和实验工作来改进这一过程。在这篇综述中,我们重点介绍了机器学习在生成蛋白质序列方面的最新应用,特别是在新兴的深度生成方法领域。

文献检索

告别复杂PubMed语法,用中文像聊天一样搜索,搜遍4000万医学文献。AI智能推荐,让科研检索更轻松。

立即免费搜索

文件翻译

保留排版,准确专业,支持PDF/Word/PPT等文件格式,支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述,25分钟生成高质量综述,智能提取关键信息,辅助科研写作。

立即免费体验