• 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

Researchers turn to deep learning to decode protein structures.

作者信息

Ornes Stephen

出版信息

Proc Natl Acad Sci U S A. 2022 Mar 8;119(10):e2202107119. doi: 10.1073/pnas.2202107119. Epub 2022 Mar 2.

DOI:10.1073/pnas.2202107119
PMID:35235461
原文链接:https://pmc.ncbi.nlm.nih.gov/articles/PMC8916015/
Abstract
摘要
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/9d41/8916015/bd7b2962bcfd/pnas.2202107119fig02.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/9d41/8916015/5d520c55ffdc/pnas.2202107119fig01.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/9d41/8916015/bd7b2962bcfd/pnas.2202107119fig02.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/9d41/8916015/5d520c55ffdc/pnas.2202107119fig01.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/9d41/8916015/bd7b2962bcfd/pnas.2202107119fig02.jpg

相似文献

1
Researchers turn to deep learning to decode protein structures.研究人员借助深度学习来解析蛋白质结构。
Proc Natl Acad Sci U S A. 2022 Mar 8;119(10):e2202107119. doi: 10.1073/pnas.2202107119. Epub 2022 Mar 2.
2
Deep learning and protein structure modeling.深度学习与蛋白质结构建模。
Nat Methods. 2022 Jan;19(1):13-14. doi: 10.1038/s41592-021-01360-8.
3
Integrative modeling meets deep learning: Recent advances in modeling protein assemblies.综合建模与深度学习：蛋白质组装建模的最新进展。
Curr Opin Struct Biol. 2024 Aug;87:102841. doi: 10.1016/j.sbi.2024.102841. Epub 2024 May 24.
4
'It will change everything': DeepMind's AI makes gigantic leap in solving protein structures.“它将改变一切”：深度思维公司的人工智能在解决蛋白质结构问题上取得巨大飞跃。
Nature. 2020 Dec;588(7837):203-204. doi: 10.1038/d41586-020-03348-4.
5
Analysis of deep learning methods for blind protein contact prediction in CASP12.CASP12中用于蛋白质盲态接触预测的深度学习方法分析
Proteins. 2018 Mar;86 Suppl 1(Suppl 1):67-77. doi: 10.1002/prot.25377. Epub 2017 Sep 6.
6
The 3D protein deluge.3D蛋白质洪流。
Nat Biotechnol. 2021 Aug;39(8):899. doi: 10.1038/s41587-021-01029-9.
7
DESTINI: A deep-learning approach to contact-driven protein structure prediction.DESTINI：一种基于深度学习的接触驱动蛋白质结构预测方法。
Sci Rep. 2019 Mar 5;9(1):3514. doi: 10.1038/s41598-019-40314-1.
8
Protein Residue Contacts and Prediction Methods.蛋白质残基接触与预测方法
Methods Mol Biol. 2016;1415:463-76. doi: 10.1007/978-1-4939-3572-7_24.
9
Protein tertiary structure modeling driven by deep learning and contact distance prediction in CASP13.基于深度学习的蛋白质三级结构建模和 CASP13 中的接触距离预测。
Proteins. 2019 Dec;87(12):1165-1178. doi: 10.1002/prot.25697. Epub 2019 Apr 25.
10
Deciphering interaction fingerprints from protein molecular surfaces using geometric deep learning.利用几何深度学习破译蛋白质分子表面的相互作用指纹。
Nat Methods. 2020 Feb;17(2):184-192. doi: 10.1038/s41592-019-0666-6. Epub 2019 Dec 9.

引用本文的文献

1
Ligand-Induced Biased Activation of GPCRs: Recent Advances and New Directions from In Silico Approaches.G蛋白偶联受体的配体诱导偏向性激活：计算机模拟方法的最新进展与新方向
Molecules. 2025 Feb 25;30(5):1047. doi: 10.3390/molecules30051047.
2
Should Artificial Intelligence Play a Durable Role in Biomedical Research and Practice?人工智能在生物医学研究与实践中应扮演持久的角色吗？
Int J Mol Sci. 2024 Dec 13;25(24):13371. doi: 10.3390/ijms252413371.
3
Comparison, Analysis, and Molecular Dynamics Simulations of Structures of a Viral Protein Modeled Using Various Computational Tools.

本文引用的文献

1
Computed structures of core eukaryotic protein complexes.核心真核蛋白复合物的计算结构。
Science. 2021 Dec 10;374(6573):eabm4805. doi: 10.1126/science.abm4805.
2
The case for post-predictional modifications in the AlphaFold Protein Structure Database.AlphaFold蛋白质结构数据库中预测后修改的情况。
Nat Struct Mol Biol. 2021 Nov;28(11):869-870. doi: 10.1038/s41594-021-00680-9.
3
Artificial intelligence in cancer research, diagnosis and therapy.人工智能在癌症研究、诊断与治疗中的应用。
使用各种计算工具建模的病毒蛋白结构的比较、分析及分子动力学模拟
Bioengineering (Basel). 2023 Aug 24;10(9):1004. doi: 10.3390/bioengineering10091004.
4
Improving pathway prediction accuracy of constraints-based metabolic network models by treating enzymes as microcompartments.通过将酶视为微区室来提高基于约束的代谢网络模型的途径预测准确性。
Synth Syst Biotechnol. 2023 Sep 12;8(4):597-605. doi: 10.1016/j.synbio.2023.09.002. eCollection 2023 Dec.
5
Predicting mutational function using machine learning.利用机器学习预测突变功能。
Mutat Res Rev Mutat Res. 2023 Jan-Jun;791:108457. doi: 10.1016/j.mrrev.2023.108457. Epub 2023 Mar 23.
6
Exploring Scoring Function Space: Developing Computational Models for Drug Discovery.探索评分函数空间：开发药物发现的计算模型。
Curr Med Chem. 2024;31(17):2361-2377. doi: 10.2174/0929867330666230321103731.
7
Understanding How Cells Probe the World: A Preliminary Step towards Modeling Cell Behavior?理解细胞如何感知世界：迈向细胞行为建模的初步步骤？
Int J Mol Sci. 2023 Jan 23;24(3):2266. doi: 10.3390/ijms24032266.
8
High throughput mutagenesis and screening for yeast engineering.用于酵母工程的高通量诱变与筛选
J Biol Eng. 2022 Dec 27;16(1):37. doi: 10.1186/s13036-022-00315-7.
Nat Rev Cancer. 2021 Dec;21(12):747-752. doi: 10.1038/s41568-021-00399-1. Epub 2021 Sep 17.
4
Geometric deep learning of RNA structure.RNA 结构的几何深度学习。
Science. 2021 Aug 27;373(6558):1047-1051. doi: 10.1126/science.abe5650.
5
Accurate prediction of protein structures and interactions using a three-track neural network.使用三轨神经网络准确预测蛋白质结构和相互作用。
Science. 2021 Aug 20;373(6557):871-876. doi: 10.1126/science.abj8754. Epub 2021 Jul 15.
6
Potential neutralizing antibodies discovered for novel corona virus using machine learning.利用机器学习发现针对新型冠状病毒的潜在中和抗体。
Sci Rep. 2021 Mar 4;11(1):5261. doi: 10.1038/s41598-021-84637-4.
7
Hierarchical, rotation-equivariant neural networks to select structural models of protein complexes.分层、旋转不变的神经网络来选择蛋白质复合物的结构模型。
Proteins. 2021 May;89(5):493-501. doi: 10.1002/prot.26033. Epub 2020 Dec 31.
8
Origin of the word 'protein'.“蛋白质”一词的起源。
Nature. 1951 Aug 11;168(4267):244. doi: 10.1038/168244a0.
9
The discovery of the alpha-helix and beta-sheet, the principal structural features of proteins.α-螺旋和β-折叠（蛋白质的主要结构特征）的发现。
Proc Natl Acad Sci U S A. 2003 Sep 30;100(20):11207-10. doi: 10.1073/pnas.2034522100. Epub 2003 Sep 9.