今天，我们正在开发 RF Diffusion，这是我们的人工智能 (AI) 程序，可以生成在医学、疫苗和先进材料中具有潜在应用的新型蛋白质，在受监管的许可下免费供非营利性和营利性使用。该软件已经在实验室进行了测试，比以前的蛋白质设计工具更快、更强大。
研究人员可以通过开源在线平台ColabFold访问 RF Diffusion ，该平台是基于云的 Google Colaboratory 的一部分。该代码也可从GitHub下载。
“通过射频扩散，可以利用人工智能的力量在几秒钟内创造出有用的蛋白质。我们邀请来自世界各地的研究人员加入我们这一激动人心的科学发现之旅，”RF Diffusion 的首席开发人员兼实验室博士后学者 Joseph Watson 说。
RF 扩散 在广泛的问题上优于现有的蛋白质设计方法，包括拓扑约束的蛋白质单体设计、蛋白质结合剂设计、对称寡聚体设计、酶活性位点支架以及用于治疗和金属结合蛋白质设计的对称基序支架。
RF Diffusion 由华盛顿大学医学院、哥伦比亚大学和麻省理工学院的一组计算生物学家开发。哈佛大学 John Harvard 杰出科学研究员 Sergey Ovchinnikov 在 ColabFold 平台上实施了射频扩散。
该软件的首席开发人员兼实验室博士生 David Juergens 说：“我们很高兴与全球研究界分享 RF Diffusion，我们迫不及待地想看到科学家们将以多种创新方式应用它强大的人工智能工具。”
从 DALL-E 等 AI 图像生成工具中汲取灵感，该团队开发了 RF 扩散作为蛋白质设计的引导扩散模型。蛋白质由氨基酸链组成，这些构建单元的顺序决定了蛋白质的结构和功能，例如在血液中输送氧气、在胃中消化食物或在大脑中发送信号。
迄今为止，我们已经使用 RF 扩散来创建与目标分子结合、组装成复杂结构等的蛋白质。在一个项目中，我们创造了与激素结合比计算机上设计的任何先前蛋白质或小分子更紧密的蛋白质。这一在创造具有增强结合特性的蛋白质方面的突破对开发更有效的诊断和疗法具有重要意义。
“我们正在免费提供 RF Diffusion，以增强世界各地的研究人员的能力。我们相信它可以帮助解锁新的解决方案，以应对医学及其他领域的重要挑战，”RF Diffusion 的首席开发人员兼实验室博士生 Nate Bennett 说。通过 RF 扩散制造的蛋白质具有预防感染、抗癌、逆转自身免疫性疾病的潜力，并可作为先进材料的关键成分。
预印本“通过集成结构预测网络和扩散生成模型进行广泛适用和准确的蛋白质设计”和“生物活性螺旋肽的高亲和力蛋白质结合剂的从头设计”中描述了 RF 扩散的开发和初步测试。这两份手稿目前正在接受同行评审。由于对代码的大量需求，我们将在期刊出版之前提供它。
评论
沙发等你来抢