NVIDIA 的研究团队联合加拿大魁北克人工智能研究所 Mila 提出了 La-Proteina，这是一种基于部分潜在流匹配的原子级蛋白质设计方法。它能够有效结 合显式的 backbone 建模和固定大小的每个残基潜在表示，以捕捉序列和原子侧链信息，解决了蛋白质生成过程中显式侧链表示的维度可变性这一关键挑 战。 众所周知，设计具有特定结构和功能的新型蛋白质，在药物研发、生物工程等众多领域都有着巨大的应用潜力。然而，要实现这一目标并非易事，尤其是 在捕捉蛋白质序列和结构之间的关系方面，一直是从头设计蛋白质的一大难题。 以往大多数方法往往将蛋白质序列和结构的设计分开进行，例如先生成序列再进行折叠，或者先设计 backbone 再确定序列。但要精确建模蛋白质序列和 全原子结构的联合分布，从而实现对功能位点的精细控制，以及完成关键的蛋白质设计任务，如原子基序支架设计，仍然是一个极具挑战性的问题。这不 仅需要处理离散的序列和连续的坐标，还需要应对侧链维度随序列变化的问题。 在这样的背景下，NVIDIA 的研究团队联合加拿大魁北克人工智能研究所 Mila 提出了 La-Proteina，这是一种基于部分潜在流匹配的原子级 ...