近年來，結構生物學的機器學習技術突飛猛進，大幅提升了我們預測蛋白質交互作用 (PPI) 的能力。本文回顧近期計算預測 PPI 的進展，特別著重於能夠預測自然界中從未出現過的交互作用，也就是所謂的「從頭合成 (de novo)」的創新技術。
我們將探討用於 PPI 預測的新型機器學習演算法，包括基於共同摺疊和原子圖譜的方法。此外，我們還將重點介紹從分子表面學習的方法，這些方法可以預測自然界中不存在的 PPI，包括由小分子誘導的交互作用。
最後，我們將探討這些預測能力所帶來的生物技術應用，包括預測抗體-抗原複合物和分子膠誘導的 PPI，並探討其促進藥物發現和蛋白質工程的潛力。這些突破性的技術，有望為台灣生醫產業帶來革新，加速新藥研發和精準醫療的發展。
Newsflash | Powered by GeneOnline AI
原始資料來源: Cell 2025-05-26
