实验数据引导 AlphaFold3，Nature Biotech 论文解决构象坍缩问题
mmbronstein · x · 2026-11-03
Technion 团队（Advaith Maddipatla、Sanketh Vedula、Alex Bronstein 等）在 Nature Biotechnology 发表论文「Experiment-guided AlphaFold3 resolves measurement-consistent protein ensembles」，作者将于 11 月 3 日 1pm PT 在 ML4Proteins 线上讲座介绍该工作。
核心问题：AlphaFold3 能从序列预测高精度蛋白结构，但倾向坍缩到单一主导构象，即使真实结构本身是异质集合，且预测对改变局部构象的实验条件不敏感。
方法与结果：
- 证明可用核磁共振（NMR）、X 射线晶体学、冷冻电镜（cryo-EM）及其组合的数据引导 AlphaFold3，使预测与测量一致
- 还能纳入直接报告动力学信息的数据，如位点分辨的序参数
- 生成紧凑且与实验一致的构象集合
论文开放获取，已获 34k 次访问、16 次引用。
「研究」频道最新
- 四张训练损失曲线图，你能认出各是哪种训练场景吗 — cneuralnetwork · 2026-11-03
- NVIDIA清华等联合推出StreamEval:首个实时交互流视频生成基准 — JaynitMakwana · 2026-11-03
- MIT 研究:AI 直接改权重,0.016% 参数让小模型数学从 7.9% 升到 48.1% — rohanpaul_ai · 2026-11-03
- Schmidhuber 泼冷水：权重编辑早是 1990 年代快权重编程的旧帽子 — SchmidhuberAI · 2026-11-03
- UCL 提出教程视频学习 TAL：零参数更新让 LLM 智能体持续进化 — UniversityCollegeLondon · 2026-11-03
- SIMIT：视觉语言模型测试时自我想象练习题实现无标注自提升 — dtudk · 2026-11-03