复旦大学孙思琦团队 | 语言模型-快速的蛋白质同源物检测和RNA三级结构预测 | Nature子刊

文章预览

近日，复旦大学智能复杂体系基础理论与关键技术实验室孙思琦团队与香港中文大学、耶鲁大学联合团队提出了一种全新的超高速、高灵敏度的蛋白质同源物检测方法—— Dense Homolog Retriever (DHR) 。该方法利用蛋白质语言模型和密集检索技术，在不依赖序列比对的情况下，实现了蛋白质远程同源物的快速检测，显著提升了多序列比对（MSA）构建速度和蛋白质结构预测效率 。 目前，该成果相关论文 Fast, sensitive detection of protein homologs using deep dense retrieval 已发表于生物技术领域顶级期刊 Nature Biotechnology。 蛋白质同源物质检测的基础与挑战 蛋白质同源物检测是计算生物学中的一项基础工作，在蛋白质结构预测、生物分子功能分析、转录调控研究、系统发育重建以及生物标志物预测和药物发现等几乎所有生物序列相关研究中都发挥着重要作用。随着下一代 ………………………………