• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利：CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

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

Structural biology is solved - now what?

作者信息

Ourmazd Abbas, Moffat Keith, Lattman Eaton Edward

机构信息

University of Wisconsin Milwaukee, Milwaukee, WI, USA.

Department of Biochemistry & Molecular Biology and the Institute for Biophysical Dynamics, The University of Chicago, Chicago, IL, USA.

出版信息

Nat Methods. 2022 Jan;19(1):24-26. doi: 10.1038/s41592-021-01357-3.

DOI:10.1038/s41592-021-01357-3
PMID:35017723
Abstract
摘要

相似文献

1
Structural biology is solved - now what?结构生物学问题已解决——接下来呢？
Nat Methods. 2022 Jan;19(1):24-26. doi: 10.1038/s41592-021-01357-3.
2
New avenues in protein function prediction.蛋白质功能预测的新途径。
Protein Sci. 2006 Jun;15(6):1527-9. doi: 10.1110/ps.062158406.
3
Computational Modelling of Protein Complex Structure and Assembly.蛋白质复合物结构与组装的计算建模
Methods Mol Biol. 2018;1764:347-356. doi: 10.1007/978-1-4939-7759-8_22.
4
A paradigm shift in structural biology.结构生物学的范式转变。
Nat Methods. 2022 Jan;19(1):20-23. doi: 10.1038/s41592-021-01361-7.
5
The impact of AlphaFold2 one year on.AlphaFold2发布一年后的影响。 （原英文表述不太准确，推测完整意思可能是这样，根据准确英文原文调整翻译会更准确）
Nat Methods. 2022 Jan;19(1):15-20. doi: 10.1038/s41592-021-01365-3.
6
Could AlphaFold revolutionize chemical therapeutics?AlphaFold能否彻底改变化学疗法？
Nat Struct Mol Biol. 2021 Oct;28(10):771-772. doi: 10.1038/s41594-021-00670-x.
7
Progress in protein structure prediction.蛋白质结构预测的进展。
Nat Struct Biol. 2001 Feb;8(2):110-2. doi: 10.1038/84088.
8
The state of the Protein Structure Initiative.蛋白质结构计划的现状。
Proteins. 2004 Mar 1;54(4):611-5. doi: 10.1002/prot.20000.
9
Method of the Year: protein structure prediction.年度方法：蛋白质结构预测。
Nat Methods. 2022 Jan;19(1):5-10. doi: 10.1038/s41592-021-01359-1.
10
Molecular surface representation using 3D Zernike descriptors for protein shape comparison and docking.利用 3D Zernike 描述符进行分子表面表示，以进行蛋白质形状比较和对接。
Curr Protein Pept Sci. 2011 Sep;12(6):520-30. doi: 10.2174/138920311796957612.

引用本文的文献

1
Phytochemicals in Drug Discovery-A Confluence of Tradition and Innovation.植物化学物质在药物发现中的作用——传统与创新的融合。
Int J Mol Sci. 2024 Aug 13;25(16):8792. doi: 10.3390/ijms25168792.
2
Reviewing the Structure-Function Paradigm in Polyglutamine Disorders: A Synergistic Perspective on Theoretical and Experimental Approaches.综述多聚谷氨酰胺疾病的结构-功能范式：理论和实验方法的协同视角。
Int J Mol Sci. 2024 Jun 20;25(12):6789. doi: 10.3390/ijms25126789.
3
Harnessing conformational dynamics in enzyme catalysis to achieve nature-like catalytic efficiencies: the shortest path map tool for computational enzyme redesign.
利用酶催化中的构象动力学来实现类似自然的催化效率：用于计算酶重新设计的最短路径图工具。
Faraday Discuss. 2024 Sep 11;252(0):306-322. doi: 10.1039/d3fd00156c.
4
Antimicrobial resistance crisis: could artificial intelligence be the solution?抗菌药物耐药性危机：人工智能能否成为解决方案？
Mil Med Res. 2024 Jan 23;11(1):7. doi: 10.1186/s40779-024-00510-1.
5
How accurately can one predict drug binding modes using AlphaFold models?使用 AlphaFold 模型能多准确地预测药物结合模式？
Elife. 2023 Dec 22;12:RP89386. doi: 10.7554/eLife.89386.
6
Structural biology in the age of AI.人工智能时代的结构生物学。
Nat Methods. 2024 Jan;21(1):18-19. doi: 10.1038/s41592-023-02123-3.
7
AlphaFold predictions are valuable hypotheses and accelerate but do not replace experimental structure determination.AlphaFold 的预测结果是有价值的假说，可以加速但不能替代实验结构确定。
Nat Methods. 2024 Jan;21(1):110-116. doi: 10.1038/s41592-023-02087-4. Epub 2023 Nov 30.
8
AlphaFold2 and Deep Learning for Elucidating Enzyme Conformational Flexibility and Its Application for Design.利用AlphaFold2和深度学习阐明酶的构象灵活性及其在设计中的应用
JACS Au. 2023 Jun 6;3(6):1554-1562. doi: 10.1021/jacsau.3c00188. eCollection 2023 Jun 26.
9
Processing macromolecular diffuse scattering data.处理大分子漫散射数据。
bioRxiv. 2023 Jun 6:2023.06.04.543637. doi: 10.1101/2023.06.04.543637.
10
Machine Learning Generation of Dynamic Protein Conformational Ensembles.机器学习生成动态蛋白质构象集合。
Molecules. 2023 May 12;28(10):4047. doi: 10.3390/molecules28104047.