近年来，蛋白质结构的计算模型的能力和准确性显著提高，结构生物学的一些领域没有受到影响。这些变化已经在当前版本的AlphaFold中实现，RoseTTAFold也不远了。实验结构生物学仍然需要解决预测结构中的歧异，并验证细节，但高质量模型的可用性正在消除实验中的许多瓶颈。即使没有实验结构，新的模型也足以产生有趣的假设，可以通过实验来验证，比如评估与遗传疾病相关的变异是如何导致疾病的。通过在当前算法中使用的模式识别中添加明确的物理和化学，以及积极利用有限的实验观察，可以解决模型的局限性。我将讨论AlphaFold对结构生物信息学的影响，通过强调一些大规模的努力和开发的结构搜索工具来描述AlphaFold模型。

  • 探索AlphaFold的应用程序

  • 讨论目前AlphaFold在结构生物学中的优势和局限性

  • 识别结构预测对结构、计算生物学研究的影响

 

视频：

https://embl-ebi.cloud.panopto.eu/Panopto/Pages/Viewer.aspx?id=5caed0b7-452b-4413-9f62-aeaf0107d2a0

slides：

https://drive.google.com/file/d/11EpzmshWUIQ_TqALSqZtWhp9OHBg3l0W/view

 

内容中包含的图片若涉及版权问题，请及时与我们联系删除