ForceGen：基于蛋白质语言扩散模型利用非线性力学去折叠响应进行端到端从头蛋白质生成
材料科学
2023-12-19 v3 介观与纳米尺度物理
计算与语言
机器学习
生物大分子
摘要
通过演化，自然呈现了一组显著的蛋白质材料，包括弹性蛋白、丝素、角蛋白与胶原，具有优异力学性能，在机械生物学中发挥关键作用。然而，超越自然设计去发现满足指定力学性质的蛋白质仍具挑战。在此我们报告一个生成模型，可预测蛋白质设计以满足复杂非线性力学性质—设计目标。我们的模型利用来自预训练蛋白质语言模型的蛋白质序列深层知识，并映射力学去折叠响应以创造新颖蛋白质。通过全原子分子模拟直接验证，我们证明所设计蛋白质是新颖的，并满足目标力学性质，包括去折叠能与力学强度，以及详细的去折叠力—分离曲线。我们的模型提供了不受生物合成约束、探索巨大机械生物学蛋白质序列空间的快速途径，以力学特征为目标从而实现具有优异力学性能蛋白质材料的发现。
引用
@article{arxiv.2310.10605,
title = {ForceGen: End-to-end de novo protein generation based on nonlinear mechanical unfolding responses using a protein language diffusion model},
author = {Bo Ni and David L. Kaplan and Markus J. Buehler},
journal= {arXiv preprint arXiv:2310.10605},
year = {2023}
}