典型文献
深度学习在蛋白质结构预测中的应用及启示
文献摘要：
蛋白质结构预测通常指借助计算机计算模拟方法从氨基酸序列推断其三维空间结构.而空间结构决定其生理功能,故结构预测问题尤为重要.基于单纯物理学的预测仅能应对较短蛋白质且精度不高.而基于数据驱动和生物信息学的方法近十多年备受重视.本文主要回顾近十多年来深度学习在蛋白质预测领域的应用,重点介绍Deepmind团队的AlphaFold方法,此方法预测在单域蛋白质达到了中低分辨率实验精度,一定程度上解决了困扰人们五十多年的蛋白质结构预测难题.
文献关键词：
蛋白质折叠;深度学习;神经网络;结构预测
中图分类号：
作者姓名：
王天尧;李剑锋
作者机构：
复旦大学高分子科学系聚合物分子工程国家重点实验室 上海200433
文献出处：
引用格式：
[1]王天尧;李剑锋-.深度学习在蛋白质结构预测中的应用及启示)[J].高分子学报,2022(06):581-591
A类：
Deepmind
B类：
蛋白质结构预测,常指,计算模拟,氨基酸序列,其三,三维空间,生理功能,物理学,受重,AlphaFold,低分辨率,扰人,五十多年,蛋白质折叠
AB值：
0.236297
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
