深度学习在分子识别

分子识别,多个分子之间的非共价相互作用,扮演着关键的角色在许多自然生物系统如dna蛋白质之间,RNA-ribosome, es, receptor-ligand,抗原抗体。许多详细的分子基础还有待探索。

此外,分子识别元素也可以合成与严格的设计来满足不同工程的需要,包括人工分子识别平台,自组装蛋白质,和治疗药物输送系统。

另一方面,启发和类似于生物大脑,深度学习技术已经适应在处理各种各样的生物相关挑战涉及高维度和高度非线性函数。例如,深入学习系统Alphafold2已经证明有能力预测蛋白质结构与令人印象深刻的准确性。

这种“深度学习在分子识别”分子生物科学前沿研究课题旨在汇集作品讨论的最新发展和挑战阐明分子识别采用了深度学习技术,重点应用,如药雷竞技rebat物发现、蛋白质相互作用预测和结构生物学。

通过这次合作,我们的目标是促进深度学习的先进的分子识别和未来的突破奠定基础这一迅速发展的领域。

作为这一研究课题的主题编辑器,我们想邀请您提供相关文件,包括评论、原子力,研究文章、方法和视角。

区域覆盖在这个研究主题包括,但不限于,以下主题:

•蛋白质复杂的装配;

•(PPI)预测蛋白质间交互作用;

•结合自由能计算;

•es识别;

•合成结合蛋白(SBP)设计;

•单克隆抗体设计;

•计算机辅助药物设计(CADD);

•药物之间的相互作用(DDI)预测。