Nature 子刊：利用蛋白质语言模型重构关键残基优先级，提升结构预测精度

Nature 旗下期刊于 2026 年 9 月 8 日刊发研究，提出利用蛋白质语言模型重构关键残基优先级的方法，为解决复杂蛋白质结构预测中的局部精度瓶颈提供了新路径。

• 该研究针对现有蛋白质结构预测模型在特定功能区或高可变区域精度不足的问题，引入蛋白质语言模型对氨基酸序列中的关键残基进行重要性加权与排序。
• 通过优先聚焦高权重残基及其局部相互作用，算法在降低计算复杂度的同时，提升了目标残基位点及其周边构象的预测准确度。
• 实验表明该方法在多种测试基准上相较传统均等注意力分配机制展现出更高的结构还原能力，对活性位点与结合界面的建模更为精准。
• 影响/看点：该方法可能降低高精度生物大分子结构预测的算力开销并提升药物靶点分析效率，其产业应用效果取决于该残基权重重构机制能否在超长多聚体及罕见序列折叠任务中保持泛化稳定性。
• 资料依据：
• Nature（2026-09-08）：https://www.nature.com/articles/s42003-026-10725-8

本内容由 AI 生成，仅供参考，请注意甄别