“超越自然序列”
Jay A. Stein 教授团队在《PNAS》发表新论文，提出 PottsMPNN 机器学习框架以超越自然序列设计蛋白质。该框架由生物学系开发，通过纳入物理原理及进化相关序列训练，改进了序列生成能力并提升了预测突变对稳定性影响的准确性。与传统方法仅关注模型能否复现进化选定序列不同，PottsMPNN 旨在让 AI“看到”多种序列可折叠为同一结构，从而设计出与天然蛋白不相似但结构可行的全新蛋白质。
摘要由 AI 生成
2026 年 8 月 27 日，麻省理工学院（MIT）Jay A. Stein 教授团队在《PNAS》发表新论文，提出名为 PottsMPNN 的机器学习框架。该框架由 MIT 生物学系开发，旨在超越自然序列设计蛋白质。与传统方法仅关注复现进化选定序列不同，PottsMPNN 通过纳入物理原理及进化相关序列训练，改进了序列生成能力并提升了预测突变对稳定性影响的准确性。该框架致力于让 AI“看到”多种序列可折叠为同一结构，从而设计出与天然蛋白不相似但结构可行的全新蛋白质。
相关事件RELATED EVENTS
关键实体KEY ENTITIES
PNASPottsMPNN
报道态势 · 每日报道量LANGUAGE SPLIT
实体关系
信号强度SIGNALS
关键词热度