awesome AI based protein design

基於人工智慧的出色蛋白質設計

這是基於人工智慧的蛋白質設計的研究論文集。並且該存儲庫將不斷更新，以追蹤基於人工智慧的蛋白質設計的前沿。

歡迎追蹤和star！

目錄

• 基於人工智慧的蛋白質設計概述/範例

• 文件

  • 自然（重要！！！ ）
  • 自然生物醫學工程
  • 自然通訊
  • 自然機器智能
  • 科學
  • ICML、ICLR 或 NeurIPS 2022
  • Arxiv 或 bioRxiv
  • 其他的

• 貢獻

蛋白質設計概述

人工智慧工具解決了蛋白質結構預測問題。這個問題從胺基酸序列中推導出空間結構，達到原子級的預測精度，例如AlphaFold 2。

蛋白質設計的具體實踐差異很大，適用於不同設計過程的問題定義也有很大差異。以下是一些範例：

1. 從空間結構（Alphafold 的逆）預測胺基酸序列的問題，假設可以透過分子動力學模擬等推導出所需蛋白質的空間結構。
2. 對於給定的部分結構的蛋白質結構補全問題，例如最近著名的David Baker小組的Science[1]。這假設只能找到部分結構匹配。
3. 將擬合能量函數與MD模擬結合進行蛋白質設計，如中國劉海燕團隊最近的Nature[2]。

此外，蛋白質設計可以採用多種方法，對應的AI問題定義也有很大不同。本文列出了一些基於AI的蛋白質設計的高水平文章，未來將持續更新。

文件

 format:
- [title](paper link) [links]
  - author1, author2, and author3...
  - publisher
  - keyword

自然

• 使用 AlphaFold 3 準確預測生物分子交互作用的結構

  • 喬許艾布拉姆森、喬納斯阿德勒、傑克鄧格、理查艾文斯、提姆格林、亞歷山大普里策爾、奧拉夫羅納伯格、林賽·威爾莫爾、安德魯·J·巴拉德、約書亞·班布里克、塞巴斯蒂安·W·博登斯坦、大衛·A·埃文斯、洪家俊、邁克爾·奧尼爾、大衛·雷曼、凱瑟琳·圖尼亞蘇瓦納庫爾、扎卡里·吳、阿克維萊·澤姆古利特、埃里尼·阿爾瓦尼蒂、查爾斯·貝蒂、奧塔維亞·貝托利、亞歷克斯·布里奇蘭、阿列克謝·切列帕諾夫、邁爾斯·康格里夫、亞歷山大·I·考恩-里弗斯、安德魯·考伊、麥可·菲格諾夫、法比安·B·福克斯、 Hannah Gladman、Rishub Jain、Yousuf A. Khan、Caroline MR Low、Kuba Perlin、Anna Potapenko、Pascal Savy、Sukhdeep Singh、Adrian Stecula、 Ashok Thillaisundaram、Catherine Tong、Sergei Yakneen、Ellen D.zhong、Michal Zielinski、Augustin Žídek、維克多·巴普斯特、普什梅特·科利、馬克斯·賈德伯格、黛米斯·哈薩克斯和約翰·M·詹珀
  • 關鍵字: 基於擴散的結構, 蛋白質結構建模, 生物分子空間建模

• 用於蛋白質設計的神經網路的以骨幹為中心的能量函數

  • B 黃、Y 徐、X 胡、Y 劉、S 廖、J 張、C 黃
  • 關鍵字: 能量函數, MD模擬, 以骨幹為中心

• 透過深層網絡幻覺從頭設計蛋白質

  • Ivan Anishchenko、Samuel J. Pellock、Tamuka M. Chidyausiku、Theresa A. Ramelot、Sergey Ovchinnikov、Jingzhouhao、Khushboo Bafna、Christopher Norn、Alex Kang、Asim K. Bera、Frank DiMaio、Lauren Carter、Cameron M. Chow、Gaetano T . Montelione 和大衛貝克
  • 關鍵字：幻覺，修復，蛋白質設計

• 僅從目標結構設計蛋白質結合蛋白

  • Longxing Cao、Brian Coventry、Inna Goreshnik、Buwei Huang、William Sheffler、Joon Sung Park、Kevin M. Jude、Iva Markovic、Rameshwar U. Kadam、Koen HG Verschueren、Kenneth Verstraete、Scott Thomas Russell Walsh、Nathaniel Bennett、Ashish Phal、HG Verschueren、Kenneth Verstraete、Scott Thomas Russell Walsh、Nathaniel Bennett、Ashish Phal、HG Verschueren、Kenneth Verstraete、Scott Thomas Russell Walsh、Nathaniel Bennett、Ashish Phal、HG Verschueren、Kenneth Verstraete、Scott Thomas Russell Walsh、Nathaniel Bennett、Ashish Phal、HG Verschueren、Kenneth Verstraete、Scott Thomas Russell Walsh、Nathaniel Bennett、Ashish Phal、HG Verschueren、Kenneth Verstraete、Scott Thomas Russell Walsh、Nathaniel Bennett、Ashish Phal、HG Verschueren、Kenneth Verstraete、Scott Thomas Russell Walsh、Nathaniel Bennett、Ashish Phal、HG Verschueren、Kenneth Verstraete、Scott Thomas Russell Walsh、Nathaniel Bennett、Ashish Phal、HG Verschueren、Kenneth Verstraete、Scott Thomas Russell Walsh、Nathaniel Bennett、Ashish Phal、艾琳·楊、麗莎·科佐多伊、米歇爾·德威特、洛拉·皮克頓、勞倫·米勒、伊娃-瑪麗亞·斯特勞奇、尼古拉斯·D·德布弗、艾莉森·皮雷斯、阿西姆·K·貝拉、薩默·哈拉比亞、布拉德利·哈默森、楊偉、斯特芬·伯納德、蘭斯·斯圖爾特、伊恩·A威爾遜、漢內勒·羅霍拉-貝克、約瑟夫·施萊辛格、Sangwon Lee、薩瓦斯·N·薩維德斯、K·克里斯托弗·加西亞和大衛·貝克
  • 關鍵字： 綁定引用

自然生物醫學工程

• 透過深度生成模型和分子動力學模擬加速抗菌藥物的發現
  • Payel Das、Tom Sercu、Kahini Wadhawan、Inkit Padhi、Sebastian Gehrmann、Flaviu Cipcigan、Vijil Chenthamarakshan、Hendrik Strobelt、Cicero dos Santos、Pin-Yu Chen、Yi Yan Yang、Jeremy PK Tan、James Hedrick、Jason Crain
  • 關鍵字：抗菌藥物，生成自動編碼器，分子動力學

自然通訊

• 使用機器學習從頭發現酵素的勝肽底物

  • Lorillee Tallorin、JiaLei Wang、Woojoo E. Kim、Swagat Sahu、Nicolas M. Kosa、Pu Yang、Matthew Thompson、Michael K. Gilson、Peter I. Frazier、Michael D. Burkart 和 Nathan C. Gianneschi
  • 關鍵字：酵素設計，機器學習

• ECNet 是一種用於蛋白質工程的演化上下文整合深度學習框架

  • 羅宇楠、姜廣德、於天浩、劉洋、林武、丁漢天、蘇宇峰、韋斯利·錢偉、趙慧敏和彭健
  • 關鍵字：功能適應性、演化

• 使用自迴歸生成模型進行蛋白質設計和變異預測

  • Jung-Eun Shin、Adam J. Riesselman、Aaron W. Kollasch、Conor McMahon、Elana Simon、Chris Sander、Aashish Manglik、Andrew C. Kruse 與 Debora S. Marks
  • 關鍵字：自回歸生成模型，蛋白質設計

• 具有學習潛力的蛋白質序列設計

  • Namrata Anand、Raphael Eguchi、Irimpan I. Mathews、Carla P. Perez、Alexander Derry、Russ B. Altman 和 Po-Ssu Huang
  • 關鍵字：蛋白質設計，能量函數，深度神經網絡

• 使用自迴歸生成模型進行蛋白質設計和變異預測

  • Jung-Eun Shin、Adam J. Riesselman、Aaron W. Kollasch、Conor McMahon、Elana Simon、Chris Sander、Aashish Manglik、Andrew C. Kruse 與 Debora S. Marks
  • 關鍵字：自回歸生成模型，蛋白質設計

自然機器智能

• Regression Transformer 支援並發序列回歸和產生以進行分子語言建模

  • 詹尼斯·博恩和馬泰奧·馬尼卡
  • 關鍵字：分子語言建模、回歸、Transformer

• 利用語言模型進行可控蛋白質設計

  • 諾埃莉亞·費魯茲 & 比爾特·霍克
  • 關鍵字: 語言模型, 可控, 調查

科學

• 使用 ProteinMPNN 進行基於穩健深度學習的蛋白質序列設計

  • J. Dauparas、I. Anishchenko、N. Bennett、H. Bai、RJ Ragotte、LF Milles、BIM Wicky、A. Courbet、RJ de Haas、N. Bethel、PJY Leung、TF Huddy、S. Pellock、D. Tischer 、F. Chan、B. Koepnick、H. Nguyen、A. Kang、B. Sankaran、AK Bera、NP King、D. Baker
  • 關鍵字：語言模型、結構預測

• 使用深度學習建立蛋白質功能位點

  • Jue Wang、Sidney Lisanza、David Juergens、Doug Tischer、Joseph L. Watson、Karla M. Castro、Robert Ragotte、Amijai Saragovi、Lukas F. Milles、Minkyung Baek、Ivan Anishchenko、Wei Yang、Derrick R. Hicks、Marc Expòsit、托馬斯·施利希塔爾勒、春正浩、Justas Dauparas、納撒尼爾·貝內特、Basile IM Wicky、Andrew Muenks、Frank DiMaio、Bruno Correia、Sergey Ovchinnikov、David Baker
  • 關鍵字：功能部位、深度學習、幻覺、修復

ICML、ICLR 或 NeurIPS

• 用於蛋白質複合物建模的深度強化學習

  • 高子琪、馮濤、遊嘉軒、紫晨怡、週彥、張晨、李嘉
  • 關鍵字：蛋白質複雜結構預測，對接路徑預測，策略網絡，強化學習

• BERTology 遇上生物學：解釋蛋白質語言模型中的注意力

  • Jesse Vig、Ali Madani、Lav R. Varshney、Caiming Xiong、Richard Socher、Nazneen Fatema Rajani
  • 關鍵字：語言模型、Transformer、結構與功能屬性

• 作為 3D 等變圖轉換的條件抗體設計

  • 孔祥哲、黃文兵、劉洋
  • 關鍵字：抗體設計，圖翻譯

• 透過自適應採樣調節以實現穩健的設計

  • 大衛布魯克斯、漢凡帕克、珍妮佛利斯特加滕
  • 關鍵字：自適應採樣，蛋白質設計

• 深度生成模型創造新的、多樣化的蛋白質結構

  • 林澤明、Tom Sercu、Yann LeCun
  • 關鍵字：多樣性，生成模型，蛋白質設計

• 深度銳化拓樸特徵以進行從頭蛋白質設計

  • 贊德·哈特維爾德、約書亞·索南、邁克爾·德弗拉德、安德烈亞斯·盧卡斯、皮埃爾·范德根斯特、邁克爾·布朗斯坦、布魯諾·科雷亞
  • 關鍵字：變分自編碼器，拓樸特徵，銳化

• Fold2Seq：基於聯合序列（1D）-折疊（3D）嵌入的蛋白質設計生成模型

  • 曹悅、Payel Das、Vijil Chenthamarakshan、Pin-Yu Chen、Igor Melnyk、Yang Shen
  • 關鍵字：生成模型，蛋白質設計

• 蛋白質結構的生成模型

  • 納姆拉塔·阿南德、Possu Huang
  • 關鍵字：生成模型，蛋白質設計

• 基於圖的蛋白質設計的生成模型

  • 約翰·英格拉漢姆、維卡斯·加爾格、雷吉娜·巴茲萊、托米·賈科拉
  • 關鍵字：生成模型，蛋白質設計

• 用於生物序列設計的基於模型的強化學習

  • X克里斯托夫·安格穆勒、大衛·多漢、大衛·貝蘭格、拉米亞·德什潘德、凱文·墨菲、露西·科爾威爾
  • 關鍵字：強化學習，序列設計

• 具有結構基序的目標蛋白結合的分子生成

  • 張在熙、閔耀森、鄭樹新、劉奇
  • 關鍵字：標靶蛋白，結構基序，逐片段生成

• 透過幾何結構預訓練進行蛋白質表示學習

  • 張作柏、徐明浩、Arian Jamasb、Vijil Chenthamarakshan、Aurelie Lozano、Payel Das、唐健
  • 關鍵字：藥物發現、藥物設計、新分子結構生成模型

Arxiv 或 bioRxiv

• 透過進化擴散產生蛋白質：序列就是您所需要的

  • 莎拉·阿拉姆達裡、尼蒂亞·塔卡、Rianne van den Berg、Alex Xijie Lu、Nicolo Fusi、Ava Pardis Amini、Kevin K Yang
  • 關鍵字：擴散模型，深度生成模型，蛋白質生成，框架，序列設計

• 用於產生蛋白質設計的高階程式語言

  • Brian Hie、薩爾瓦多·坎迪多、林澤明、奧裡·卡貝利、Roshan Rao、尼基塔·斯梅塔寧、湯姆·塞爾庫、亞歷山大·里夫斯
  • 關鍵字：ESMFold，語言模型，基於能量

• 透過整合結構預測網絡和擴散生成模型進行廣泛適用且準確的蛋白質設計

  • 約瑟夫·L·沃森、大衛·尤爾根斯、納撒尼爾·R·貝內特、布萊恩·L·特里普、賈森·伊姆、海倫·E·艾森納赫、伍迪·埃亨、安德魯·J·博斯特、羅伯特·J·拉戈特、盧卡斯·F·米爾斯、巴塞爾·IM·威基、尼基塔·哈尼克爾, 塞繆爾·J·佩洛克, 亞歷克西斯·庫爾貝, 威廉·謝弗勒, 王珏, Preetham Venkatesh, Isaac Sappington, Susana Vázquez Torres, Anna Lauko, Valentin De Bortoli, 埃米爾·馬蒂厄, Regina Barzilay , Tommi S. Jaakkola, Frank DiMaio, Minkyung Baek, David貝克
  • 關鍵字：擴散，通用深度學習框架，從頭綁定器設計

• 透過深度流形採樣進行功能引導的蛋白質設計

  • 弗拉基米爾·格利戈里耶維奇、丹尼爾·貝倫貝格、史蒂芬·拉、西蒙·基洛、曹京賢
  • 關鍵字：序列去噪自動編碼器，深度流形取樣

• 語言模式的推廣超越了天然蛋白質

  • 羅伯特·維爾庫伊、奧裡·卡貝利、杜一倫、巴塞爾·IM·威基、盧卡斯·F·米爾斯、賈斯塔斯·道帕拉斯、大衛·貝克、謝爾蓋·奧夫欽尼科夫、湯姆·塞爾庫、亞歷山大·里夫斯
  • 關鍵字：ESMFold，語言模型，固定主幹設計

• 進化尺度上蛋白質序列的語言模型能夠達到準確的結構預測

  • 林澤明、Halil Akin、Roshan Rao、Brian Hie、朱中凱、盧文婷、Allan dos Santos Costa、Maryam Fazel-Zarandi、Tom Sercu、Sal Candido、Alexander Rives
  • 關鍵字：結構預測，語言模型

• TERMinator：使用三級重複基序進行基於結構的蛋白質設計的神經框架

  • Alex J. Li、Vikram Sundar、Gevorg Grigoryan、Amy E. Keating
  • 關鍵字：蛋白質設計，三級基序

• 語言模式的推廣超越了天然蛋白質

  • 羅伯特·維爾庫伊、奧裡·卡貝利、杜一倫、巴塞爾·IM·威基、盧卡斯·F·米爾斯、賈斯塔斯·道帕拉斯、大衛·貝克、謝爾蓋·奧夫欽尼科夫、湯姆·塞爾庫、亞歷山大·里夫斯
  • 關鍵字：語言模型，蛋白質設計

其他的

• 使用深度圖神經網路快速靈活的蛋白質設計

  • Alexey Strokach、David Becerra、Carles Corbi-Verge、Albert Perez-Riba、Philip M.Kim
  • 關鍵字：蛋白質設計，圖神經網絡

• 使用自迴歸生成模型進行蛋白質設計和變異預測

  • Jung-Eun Shin、Adam J. Riesselman、Aaron W. Kollasch、Conor McMahon、Elana Simon、Chris Sander、Aashish Manglik、Andrew C. Kruse 與 Debora S. Marks
  • 關鍵字：變異預測，蛋白質設計，自迴歸生成模型

參考

[1] 王珏, 等. “利用深度學習建立蛋白質功能位點。”科學 377.6604 (2022): 387-394。

[2] 黃斌，等。 “用於蛋白質設計的神經網絡的以骨幹為中心的能量函數。”自然 602.7897（2022）：523-528。

貢獻

我們的目的是讓這個倉庫變得更好。如果您有興趣貢獻，請參閱此處以了解貢獻說明。

執照

很棒的基於人工智慧的蛋白質設計是在 Apache 2.0 許可證下發布的。