HyperAI초신경

이전의 생성적 단백질 설계 모델인 RFdiffusion은 주로 이상적인 활성 부위를 기술하여 정밀한 고정 부위를 갖는 단백질 구조를 생성했습니다. 그러나 이 접근법은 극복하기 어려운 두 가지 주요 한계를 가지고 있었습니다.

* 활성 부위의 기하학은 잔류물 수준에서만 지정될 수 있으며, 연구자들은 측쇄 회전체를 열거하여 잔류물의 가능한 백본 위치를 결정해야 합니다.

* 촉매 잔류물의 위치는 순서대로 미리 결정되어야 하므로 샘플링 용액의 공간이 크게 제한됩니다.

이와 관련된 과제에 대응하여 2025년 4월 워싱턴 대학 단백질 디자인 연구소는 새로운 생성 모델인 Rosetta Fold diffusion 2(RFdiffusion2)를 출시했습니다.이를 통해 간단한 화학 반응 설명을 기반으로 맞춤형 활성 부위를 갖춘 단백질 골격을 생성하는 최적화된 경로를 확보하여 촉매 설계의 오랜 기술적 병목 현상을 해소했습니다.플라스틱 분해를 포함한 다양한 응용 분야에 대한 강력한 기술 지원을 제공합니다.

RFdiffusion2는 새로운 심층 생성 방식을 사용하여 역회전 이성질체 생성 없이도 서열 독립적인 작용기 위치 설명을 기반으로 단백질 설계를 가능하게 합니다. 이전 모델과 비교하여 RFdiffusion2의 최적화는 세 가지 핵심 영역에 중점을 둡니다.

* 잔류물 열거 및 시퀀스 인덱싱에 대한 의존성을 제거하고 흐름 매칭 및 확률적 중심화 기술을 도입하여 모델이 원자 수준에서 직접 단백질 백본을 생성할 수 있게 되었습니다.

* 인덱스가 필요 없는 원자 수준 활성 부위 생성을 지원하고, 리간드 정보를 처리하고 생성 과정에서 리간드 형태를 자동으로 샘플링하여 설계 유연성을 향상시킵니다.

* 41개의 다양한 활성 부위를 포괄하는 계산 단백질 설계 벤치마크인 새로운 AME 벤치마크를 활용합니다(이전 세대는 16개만 포괄).

추가 실험에서 연구팀은 세 가지 서로 다른 촉매 부위를 중심으로 단백질을 설계했습니다. 실험 결과는 다음과 같습니다.RFdiffusion2는 기존 방법에 비해 상당한 성능 향상을 보였으며, 41가지 사례에서 제약 조건을 충족하는 단백질 백본을 성공적으로 생성했으며 성공률은 100%였습니다.동일한 조건에서 RFdiffusion1의 성공률은 약 39%에 불과했습니다. RFdiffusion2의 출시는 AI 기반 단백질 설계에 있어 중요한 진전을 의미한다고 할 수 있습니다.

RFdiffusion2: 단백질 설계 도구가 HyperAI 웹사이트(hyper.ai)의 튜토리얼 섹션에서 이용 가능합니다. 클릭 한 번으로 최신 단백질 생성 도구를 경험해 보세요.

튜토리얼 링크:

https://hyper.ai/cn/tutorials/44096

데모 실행

1. 브라우저에 URL hyper.ai를 입력하세요. 홈페이지에 접속하면 "튜토리얼" 페이지를 클릭하고, "RFdiffusion2: Protein Design Tool"을 선택한 후 "이 튜토리얼을 온라인으로 실행"을 클릭하세요.

2. 페이지가 이동한 후 오른쪽 상단의 "복제"를 클릭하여 튜토리얼을 자신의 컨테이너로 복제합니다.

3. NVIDIA GeForce RTX 4090 및 PyTorch 이미지를 선택하고 계속을 클릭합니다. OpenBayes 플랫폼은 4가지 청구 방법을 제공합니다. 귀하의 요구 사항에 따라 "사용 후 결제" 또는 "일일/주간/월간 결제"를 선택할 수 있습니다. 신규 사용자는 아래 초대 링크를 사용하여 등록하고 RTX 4090 4시간 + CPU 자유 시간 5시간을 받으세요!

HyperAI 독점 초대 링크(복사하여 브라우저에서 열기):

https://openbayes.com/console/signup?r=Ada0322_NR0n