Microsoft Research 推出 BioEmu-1：预测蛋白质结构动态的深度学习模型

主要观点

Microsoft Research 发布了 BioEmu-1，这是一个深度学习模型，旨在预测蛋白质可能采用的结构构象范围。与传统的单一静态结构预测方法不同，BioEmu-1 能够生成结构集合，提供更广泛的蛋白质动态视图。这一方法在理解蛋白质功能和相互作用方面具有重要应用，特别是在药物开发和分子生物学领域。

关键信息

1. 传统方法的挑战：

   • 研究蛋白质柔性的主要挑战在于分子动力学（MD）模拟的计算成本高。MD 模拟需要大量计算资源，对于复杂蛋白质可能需要数年时间才能完成。

2. BioEmu-1 的优势：

   • BioEmu-1 能够在单个 GPU 上每小时生成数千个蛋白质结构，计算效率是传统 MD 模拟的 10,000 到 100,000 倍。
   • 该模型在蛋白质构象变化和稳定性预测方面表现出色，能够覆盖 85% 的域运动和 72-74% 的局部展开事件。

3. 训练数据集：

   • BioEmu-1 使用了三种数据集进行训练：

     • AlphaFold 数据库（AFDB）结构
     • 广泛的 MD 模拟数据集
     • 实验性蛋白质折叠稳定性数据集

4. 应用案例：

   • 成功预测了 LapD 蛋白的结构，包括已知和未观察到的中间构象。LapD 是霍乱弧菌（Vibrio cholerae）中的一种调节蛋白。

5. 开源与可访问性：

   • BioEmu-1 已开源，并通过 Azure AI Foundry Labs 提供，研究人员可以更高效地研究蛋白质动态。
   • BioEmu-Benchmarks 代码库提供了基准测试代码，便于研究人员评估和复现模型的性能。

重要细节

• 专家评价：

  • Lakshmi Prasad Y. 认为 BioEmu-1 通过整合 AlphaFold、MD 轨迹和实验稳定性指标，显著提高了蛋白质构象预测的准确性和效率。
  • Nathan Baker 表示，BioEmu-1 的推出使他想要重新审视多年前的分子研究。

• 技术细节：

  • BioEmu-1 采用基于扩散的生成方法，能够高速探索自由能景观，揭示关键的中间状态和瞬态结合口袋。

• 未来应用：

  • 通过预测蛋白质稳定性和结构变化，BioEmu-1 有望在药物发现、蛋白质工程及相关领域推动技术进步。

参考文献

• 官方论文