蛋白质设计教父David Baker超越诺奖级重磅进展：从预测到创造，AI驱动全自动蛋白设计时代降临！颠覆结构预测与功能设计
7.4
来源：
BioTender
发布时间：
2025-09-23 09:00
摘要：
David Baker团队在蛋白质设计领域取得了重要进展，提出了一种名为LigandMPNN的深度学习方法，能够显式模拟非蛋白质组分的蛋白质序列设计。该方法在恢复与小分子、核苷酸和金属相互作用的天然氨基酸序列方面表现优异，显著提高了蛋白质与非蛋白质分子相互作用的设计能力，为酶、传感器和结合蛋白的设计提供了更高效的工具。这一研究在《Nature Methods》和《Science》上发表，标志着AI驱动的全自动蛋白设计时代的到来，具有较高的投资价值和市场潜力。
原文：
查看原文
价值分投票
评分标准
新闻价值分采用0-10分制，综合考虑新闻的真实性、重要性、时效性、影响力等多个维度。
评分越高，表示该新闻的价值越大，越值得关注。
价值维度分析
domain_focus
1.0分
business_impact
0.5分
scientific_rigor
1.5分
timeliness_innovation
1.5分
investment_perspective
2.5分
market_value_relevance
1.0分
team_institution_background
0.5分
technical_barrier_competition
0.4分
关键证据
提出了一种基于深度学习的蛋白质序列设计方法LigandMPNN。
该方法在国际顶级期刊《Nature Methods》和《Science》上发表。
显著提高了蛋白质与非蛋白质分子相互作用的设计能力。
真实性检查
否
AI评分总结
David Baker团队在蛋白质设计领域取得了重要进展，提出了一种名为LigandMPNN的深度学习方法，能够显式模拟非蛋白质组分的蛋白质序列设计。该方法在恢复与小分子、核苷酸和金属相互作用的天然氨基酸序列方面表现优异，显著提高了蛋白质与非蛋白质分子相互作用的设计能力，为酶、传感器和结合蛋白的设计提供了更高效的工具。这一研究在《Nature Methods》和《Science》上发表，标志着AI驱动的全自动蛋白设计时代的到来，具有较高的投资价值和市场潜力。