Customize Consent Preferences

We use cookies to help you navigate efficiently and perform certain functions. You will find detailed information about all cookies under each consent category below.

The cookies that are categorized as "Necessary" are stored on your browser as they are essential for enabling the basic functionalities of the site. ... 

Always Active

Necessary cookies are required to enable the basic features of this site, such as providing secure log-in or adjusting your consent preferences. These cookies do not store any personally identifiable data.

No cookies to display.

Functional cookies help perform certain functionalities like sharing the content of the website on social media platforms, collecting feedback, and other third-party features.

No cookies to display.

Analytical cookies are used to understand how visitors interact with the website. These cookies help provide information on metrics such as the number of visitors, bounce rate, traffic source, etc.

No cookies to display.

Performance cookies are used to understand and analyze the key performance indexes of the website which helps in delivering a better user experience for the visitors.

No cookies to display.

Advertisement cookies are used to provide visitors with customized advertisements based on the pages you visited previously and to analyze the effectiveness of the ad campaigns.

No cookies to display.

上海枫泾古镇一角_20240824上海枫泾古镇一角_20240824
0

量子级精度,静态到动态:微软蛋白MD模拟系统AI2BMD登Nature

生物世界的本质在于分子及其相互作用的不断变化。 了解生物分子的动力学和相互作用对于破译生物过程背后的机制,以及开发生物材料和药物至关重要。正如诺贝尔物理学奖得主理查德·费曼(Richard Feynman)的名言:「所有生物体的行为都可以通过原子的颤动和摆动来理解。」然而,通过实验捕捉这些真实的运动几乎是不可能的。

近年来,以 AlphaFold 和 RoseTTAFold 为代表的深度学习方法,在预测静态晶体蛋白质结构方面已经达到了实验精度,相关研究人员获得了2024 年诺贝尔化学奖。然而,以原子分辨率准确表征动力学仍然更具挑战性,尤其是当蛋白质发挥作用并与其他生物分子、药物分子相互作用时。

经典分子动力学(MD)模拟速度快,但缺乏化学准确性。 密度泛函理论(DFT)等量子化学方法可以达到化学精度,但无法扩展到大型生物分子。

微软研究院科学智能中心开发的从头算精度的生物分子模拟方法 AI2BMD,就像为生物分子世界打开了一扇新的大门,不仅可以捕捉到蛋白质的静态结构,更可以观察到它们的动态变化,揭示它们的运动如何驱动维持生命运转的复杂过程。相关研究于 11 月 6 日刊登在《Nature》上。

论文链接: https://www.nature.com/articles/s41586-024-08127-z

AI2BMD是一种基于 AI 的从头算生物分子动力学系统。 它可以以近似从头算的精度(即量子级的精度),高效地对各类蛋白质进行了全原子模拟仿真。与密度泛函理论相比,它将计算时间缩短了几个数量级。

AI2BMD 的核心突破在于以下几个方面:

  • 从头算精度: 引入了一种可推广的「机器学习力场」,用于从头算精度的全原子蛋白质动力学模拟。
  • 解决泛化问题: 首次解决了机器学习力场模拟蛋白质动力学的泛化难题,为多种蛋白质提供了稳健的从头算 MD 模拟。
  • 普遍兼容性: AI2BMD 将量子力学(QM)建模从小的局部区域扩展到整个蛋白质,而无需任何关于蛋白质的先验知识。
  • 速度优势: AI2BMD 比 DFT 和其他量子力学快几个数量级,支持超过 1 万个原子的蛋白质的从头算计算。
  • 多样化构象空间探索: AI2BMD 探索了 MM 无法探测到的更多可能的构象空间,为研究药物-靶标结合过程中的柔性蛋白质运动、酶催化、变构调控、内在无序蛋白等提供了更多机会。
  • 实验一致性: AI2BMD 优于 QM/MM 混合方法,并且在不同的生物应用场景中与湿实验室实验表现出高度一致性。

AI2BMD 的出现为生物分子 MD 模拟领域带来了革命性的变化。 它为众多下游应用铺平了道路,并为表征复杂的生物分子动力学提供了新的视角。

AI2BMD 的应用前景非常广阔, 包括:

  • 药物发现: 执行高精度的虚拟筛选以发现药物,并预测药物与靶标的结合方式。
  • 生物材料设计: 理解生物材料的结构和功能,设计新的生物材料。
  • 生物机制研究: 揭示生物过程背后的机制,例如蛋白质折叠、酶催化、信号转导等。

AI2BMD 的出现是 AI for Science 的一个重要里程碑。 它证明了人工智能的能力可以革新科学探索,为我们理解生命奥秘和开发新技术提供了新的工具。

展望未来, AI2BMD 将继续发展,并与其他技术相结合,为我们带来更多惊喜和突破。 相信在不久的将来,AI2BMD 将成为生物学研究不可或缺的一部分,为我们揭开生命奥秘,并推动生物医学领域的发展。


>>> Read more <<<

Views: 0

0

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注