学术速运|PeSTo：无参数的几何深度学习用于精确预测蛋白质结合界面

题目：PeSTo: parameter-free geometric deep learning for accurate prediction of protein binding interfaces

文献来源:Nature Communications | (2023) 14:2175

代码：https://github.com/LBM-EPFL/PeSTo

简介：蛋白质是生命的重要分子组成部分，由于其特定的分子相互作用，负责大多数生物学功能。然而，预测它们的结合表面仍然是一个挑战。在本研究中，作者提出了一个几何Transformer，它直接作用于仅用元素名称标记的原子坐标。由此得到的模型— the Protein Structure Transformer，pesto—在预测蛋白质-蛋白质界面方面超过了目前的技术水平，还可以高度自信地预测和区分涉及核酸、脂质、离子和小分子的界面。它的低计算成本使处理大量的结构数据成为可能，例如分子动力学集成，允许发现在静态实验解决的结构中仍然不明显的界面。此外，由从头结构预测提供的生长折叠可以很容易地分析，为揭示未探索的生物学提供了新的机会。

主要内容：

-------------------------------------------

欢迎点赞收藏转发！

下次见！