文献类型：期刊文章

作　　者：张弘[1] 王慧洁[1] 鲁睿捷[1] 兰家靖[1] 陈林洁[1,2] 何小柏[1,3]

ZHANG Hong;WANG Huijie;LU Ruijie;LAN Jiajing;CHEN Linjie;HE Xiaobai(School of Laboratory Medicine and Bioengineering,Hangzhou Medical College,Hangzhou 310053,Zhejiang,China;Zhejiang Engineering Research Centre for Key Technology of Diagnostic Testing,Hangzhou 310053,Zhejiang,China;Key Laboratory of Biomarkers and In Vitro Diagnosis Translation of Zhejiang Province,Hangzhou 310053,Zhejiang,China)

机构地区：[1]杭州医学院检验医学院与生物工程学院,浙江杭州310053 [2]检验诊断关键技术浙江省工程研究中心,浙江杭州310053 [3]浙江省生物标志物与体外诊断转化重点实验室,浙江杭州310053

出　　处：《生物工程学报》

基　　金：浙江省医药卫生科技项目(2023KY650,2021KY132,2020KY107);浙江省大学生创新创业训练计划(S202313023085)。

年　　份：2024

卷　　号：40

期　　号：5

起止页码：1406-1420

语　　种：中文

收录情况：AJ、BDHX、BDHX2023、CAS、CSCD、CSCD2023_2024、EAPJ、EMBASE、JST、PUBMED、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：蛋白质结构预测是生命科学和医学的重要研究领域,也是人工智能在科学研究中的重要应用场景。AlphaFold2是由DeepMind开发的一种基于深度学习的蛋白质结构预测系统,可以从氨基酸序列中高效地生成原子级精度的蛋白质空间结构。由于AlphaFold2优越的性能,自问世以来对蛋白质结构预测方面的研究提供了前所未有的助力,因此备受关注和研究。本文介绍了AlphaFold2的模型架构、亮点、局限性和应用进展,列举了几种其他类型的蛋白质结构预测模型,并讨论了其能力、优势及局限性并思考该蛋白质结构预测模型的未来发展方向。

关 键 词：AlphaFold2  蛋白质结构 蛋白质结构预测 深度学习  

分 类 号：Q811.4[生物工程类]