论文阅读 | Accurate prediction of protein–nucleic acid complexes using RoseTTAFoldNA

蛋白质-RNA 和蛋白质-DNA 复合物在生物学中发挥着关键作用。尽管蛋白质结构预测方面最近取得了相当大的进展,但与已知复合物没有同源性的蛋白质-核酸复合物的结构预测在很大程度上是一个尚未解决的问题。在这里,我们扩展了 RoseTTAFold 机器学习蛋白质结构预测方法,以额外预测核酸和蛋白质-核酸复合物。我们开发了一个经过训练的网络 RoseTTAFoldNA,它可以快速生成三维结构模型,并对蛋白质 DNA 和蛋白质-RNA 复合物进行置信估计。在这里,我们表明,置信预测的准确性比当前最先进的方法要高得多。 RoseTTAFoldNA 应该广泛用于模拟天然存在的蛋白质-核酸复合物的结构,以及设计序列特异性 RNA 和 DNA 结合蛋白。

DCGAN

DCGAN 将卷积与 GAN 结合在一起,并同时在生成器和判别器运用了深度卷积神经网络,极大地提升了原始 GAN 训练时的稳定性以及生成结果的质量。