论文摘要 · 2026-10-20 · Zenodo (CERN European Organization for Nuclear Research)
公开基于人工智能的酶设计论文中使用的结构数据
Supplementary Data 2. Designed and predicted structures of all designs
- 做了什么
- 研究团队公开了针对新型化学反应的人工智能酶设计论文中所涉及的所有结构数据文件。
- 核心结果
- 该压缩文件包含人工智能模型生成的结构、重新设计的结构以及额外的预测结构数据。
- 意义
- 通过公开的数据，相关研究人员可以确认基于人工智能的酶设计结果并推进后续研究。
研究背景
开展针对新型化学反应的酶设计研究需要完整的结构数据。因此，研究团队以压缩文件的形式公开了论文中使用的所有结构数据。
方法
压缩文件中包含通过扩散模型提取的结构、蛋白质重新设计结构以及通过人工智能预测的结构文件。
主要结果
提供了在各个阶段生成和预测的酶结构相关文件。
局限与待确认之处
仅凭摘要无法确认数据的具体应用成果或性能数值。
术语解释
- 扩散模型 — 通过学习数据来生成新形态或结构的人工智能技术
- 氨基酸 — 构成蛋白质的基本组成部分
本摘要由 AI 根据论文摘要撰写，并经编辑审核。 本页摘要由 AI 根据编辑审核过的韩文版本翻译。 具体数据与背景请查阅原文。
本页面整理已发表的论文、官方公告和媒体报道，仅供参考。论文摘要由 AI 根据论文摘要撰写并经编辑审核，可能与原文存在差异，重要内容请查阅原文。本页面不构成任何证券的买卖建议或投资咨询。 人事变动以官方公告或主要媒体报道为来源，部分履历参考维基数据（CC0）。 本页摘要由 AI 根据编辑审核过的韩文版本翻译。
