生成式深度学习驱动的高通量蛋白质平衡集合模拟新范式

为解决预测功能相关蛋白质结构变化的挑战，研究人员开发了BioEmu这一深度学习系统，模拟蛋白质平衡集合，每小时在单个GPU上生成数千结构。该系统整合MD模拟、静态结构和实验数据，捕捉隐秘口袋形成等功能运动，以1 kcal/mol精度预测自由能，为蛋白功能理解与设计提供高效新路径。

　　想象一下，一台深度学习系统能像魔法般高效模拟蛋白质的平衡舞动！这就是BioEmu的魅力。它利用生成式AI技术，在单个GPU上每小时生成数千个统计独立的蛋白结构，整合超过200毫秒的分子动力学(MD)模拟、静态结构和实验蛋白稳定性数据。通过创新训练算法，BioEmu捕捉了多样功能运动——包括隐秘口袋形成、局部解折叠和域重排——并以惊人1 kcal/mol精度预测相对自由能，媲美毫秒级MD和实验数据。该系统通过联合建模结构集合和热力学性质，提供深刻机制洞察，有效分摊MD和实验数据生成成本，为理解和设计蛋白功能开辟了可扩展新路径。