南开大学郑伟教授：AlphaFold并不完美，学术界尚有「弯道超车」的机会
💡
原文中文，约6400字，阅读约需16分钟。
📝
内容提要
近年来，AI技术推动蛋白质结构预测的发展，尽管AlphaFold获得诺贝尔奖，但仍存在局限性。南开大学郑伟教授指出AlphaFold的不足及未来优化方向，并介绍了D-I-TASSER和DMFold等优秀算法，强调学术界需继续探索提升预测精度的方法。
🎯
关键要点
- 近年来，AI技术推动蛋白质结构预测的发展，AlphaFold获得诺贝尔奖，但仍存在局限性。
- 南开大学郑伟教授指出AlphaFold的不足，包括预测精度、复杂蛋白质结构和动态变化的限制。
- 学术界需继续探索提升预测精度的方法，除了AlphaFold，还有D-I-TASSER和DMFold等优秀算法值得挖掘。
- 蛋白质结构预测方法包括比较建模、分子动力学模拟、Threading算法、从头预测和基于深度学习的接触图预测。
- D-I-TASSER在蛋白质单体结构预测中表现优于AlphaFold 2和AlphaFold 3。
- DMFold在蛋白质复合物结构预测中优于AlphaFold 2，并在CASP比赛中表现突出。
- ExFold算法在RNA-RNA复合物结构预测中表现优于AlphaFold 3。
- DeepProtNA在蛋白质-RNA复合物结构预测中精度高于AlphaFold 3。
- EnsembleFold在生物大分子变构结构预测中表现出极高的准确性，优于AlphaFold 3。
- 郑伟教授的团队正在招募新成员，欢迎对计算结构生物学或生物信息学感兴趣的学生加入。
🏷️
标签
➡️
