High-accuracy protein complex structure modeling based on sequence-derived structure complementarity
7.4
来源：
Nature
关键字：
computational biology
发布时间：
2025-11-20 00:25
摘要：
DeepSCFold是一种新开发的蛋白质复合物结构预测方法，利用序列衍生的结构互补性显著提高了预测准确性。该方法在CASP15的基准测试中表现优异，尤其在抗体-抗原复合物建模中成功率提高了24.7%。DeepSCFold通过深度学习模型直接从序列数据中预测蛋白质结构相似性和相互作用概率，为蛋白质结构预测提供了新的思路和方法。
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+重点关注领域符合度
business_impact
0.5分+商业影响力
scientific_rigor
1.5分+数据支撑的科学性
timeliness_innovation
1.5分+时效性与创新性
investment_perspective
2.5分+BOCG投资视角
market_value_relevance
1.0分+市场价值相关性
team_institution_background
0.5分+团队与机构背景
technical_barrier_competition
0.4分+技术壁垒与竞争格局
关键证据
DeepSCFold在CASP15的基准测试中表现出色，显著提高了蛋白质复合物结构预测的准确性。
在抗体-抗原复合物建模中，DeepSCFold的成功率提高了24.7%。
DeepSCFold通过深度学习模型直接从序列数据中预测蛋白质结构相似性和相互作用概率。
真实性检查
否
AI评分总结
DeepSCFold是一种新开发的蛋白质复合物结构预测方法，利用序列衍生的结构互补性显著提高了预测准确性。该方法在CASP15的基准测试中表现优异，尤其在抗体-抗原复合物建模中成功率提高了24.7%。DeepSCFold通过深度学习模型直接从序列数据中预测蛋白质结构相似性和相互作用概率，为蛋白质结构预测提供了新的思路和方法。