亚洲男人的天堂2018av,欧美草比,久久久久久免费视频精选,国色天香在线看免费,久久久久亚洲av成人片仓井空

從蛋白質的初級氨基酸序列預測蛋白質的三維結構是結構生物學中一個長期存在的挑戰。最近，AlphaFold等方法通過將深度學習技術與相關蛋白質序列多序列比對的共同進化數據相結合，在這項任務上取得了顯著的性能。共同進化信息的使用對這些模型的準確性至關重要，沒有這些信息，它們的預測性能會大幅下降。然而，在活細胞中，蛋白質的三維結構完全由其原始序列和生物物理定律決定，這些定律使蛋白質折疊成低能量的構型。因此，通過學習一種高度精確的生物物理能量函數，應該可以僅從其原始序列預測蛋白質的結構。我們提供證據表明AlphaFold已經學會了這樣一個能量函數，并使用共同進化數據來解決尋找低能構象的全局搜索問題。我們證明，AlphaFold的學習電位功能可以用于以最先進的精確度對候選蛋白質結構的質量進行排序，而無需使用任何共同進化數據。最后，我們提出了一種方法，利用這個勢函數來預測蛋白質結構，而不需要MSAs。