関連する実験動画
Updated: Aug 6, 2025

A Protocol for Computer-Based Protein Structure and Function Prediction
Published on: November 3, 2011
言語モデルによる原子レベルのタンパク質構造の進化的スケールの予測
Zeming Lin1,2, Halil Akin1, Roshan Rao1
1FAIR, Meta AI, New York, NY, USA.
大規模な言語モデルでは タンパク質の原子レベル構造を プライマリーシーケンスから直接推測できます この突破は構造予測を加速し 6億1700万以上のタンパク質構造を持つ ESM メタゲノムアトラスの作成を可能にします
科学分野:
- 計算生物学
- 人工知能
- 構造生物学
背景:
- 機械学習の進歩は タンパク質の構造を予測するために 複数の配列の配列で 進化情報を利用します
- 現在の方法は多くの場合,膨大な計算リソースと時間を必要とします.
研究 の 目的:
- 大規模な言語モデルを使用して,プライマリシーケンスの完全な原子レベルのタンパク質構造を直接推論することを実証する.
- 高解像度構造の予測に等級加速を達成する.
- メタゲノムタンパク質の 構造的特徴を大規模に分析する
主な方法:
- 15億のパラメータをスケールアップした 大きな言語モデルを使用しました
- 原子解像度の構造情報を学習するために タンパク質の配列でモデルを訓練しました
- 大量のメタゲノムタンパク質配列の構造を予測するためにモデルを適用した.
主要な成果:
- スケールアップされた言語モデルの学習された表現で,タンパク質構造の原子解像度画像が生まれました.
- 高解像度タンパク質構造の予測で 大きさの等級加速を達成しました
- ESMメタゲノムアトラスを成功裏に構築し,6億1700万種以上のメタゲノムタンパク質の構造を予測しました.
- タンパク質の配列を2億2500万個以上特定し 高い信頼性で構造を予測しました
結論:
- 主要な配列から直接タンパク質構造を予測するための強力で効率的なアプローチを提供します.
- この方法は,生物学的データの前例のない大規模な構造的特徴づけを可能にします.
- ESMのメタゲノミクス・アトラスは,天然のタンパク質の多様性を調査するための貴重なリソースを提供します.
さらに関連する動画
05:08Application of I TASSER, trRosetta, UCSF Chimera, HADDOCK server, and HEX loria for De Novo and In Silico Design of Proteins
Published on: July 8, 2025
06:50Author Spotlight: A Computational Approach to Decipher Amino Acid Preferences in Multispecific Protein-Protein Interactions
Published on: January 26, 2024
関連する概念動画
Protein Organization
The primary structure of a protein is its amino acid sequence....
Conservation of Protein Domains Over Different Proteins
A limited set of protein domains often duplicate and recombine during evolution. These domains can be organized in different combinations to...
Protein and Protein Structure
A protein's shape is critical to its function. For example, an enzyme...
Conservation of Protein Domains
Protein and Protein Structures
Predicting Molecular Geometry