关键词：蛋白质设计，强化学习，蒙特卡罗树搜索算法


论文题目：Top-down design of protein architectures with reinforcement learning

论文来源：Science
论文链接：https://www.science.org/doi/10.1126/science.adf6591

作为进化选择的结果，自然产生的蛋白质组件亚基经常通过大量的互补形状结合在一起，以当前设计方法无法实现的方式产生功能最优的结构。这篇发表在Science上的文章描述了一种“自上而下”的基于强化学习的设计方法，使用蒙特卡罗树搜索（MCTS，Monte Carlo tree search）在整体架构和指定功能约束的背景下对蛋白质构象异构体进行采样，解决了这个问题。

所设计的圆盘状纳米孔（disk-shaped nanopores）和超压缩二十面体（ultracompact icosahedra）的冷冻电镜结构与计算模型非常接近。二十面体能够非常高密度地显示免疫原和信号分子，从而增强疫苗反应和血管生成诱导。本文的方法能够实现具有所需系统特性的复杂蛋白质纳米材料的自上而下设计，并展示了强化学习在蛋白质设计中的强大力量。


图1：自顶向下设计策略和计算方法。



编译｜汪显意

AI+Science 读书会启动


详情请见：
人工智能和科学发现相互赋能的新范式：AI+Science 读书会启动


推荐阅读

1. Science前沿：大语言模型涌现演化信息，加速蛋白质结构预测
2. Science 速递：大语言模型对蛋白质结构进行演化尺度预测
3. 能够预测蛋白质结构、控制核聚变的AI，怎样促进科学理解？
4. 《张江·复杂科学前沿27讲》完整上线！
5. 成为集智VIP，解锁全站课程／读书会
6. 加入集智，一起复杂！


点击“阅读原文”，报名读书会