Fixed-backbone inverse folding

Практический сценарий

Есть backbone (экспериментальный или predicted); нужно подобрать sequence.

Вход

Pipeline diagram

Sequence design
→
Self-consistency folding
→
Experimental validation
Mermaid diagram
flowchart TD
    A[Backbone coordinates] --> B[Inverse-folding model]
    B --> C[Designed sequences]
    C --> D[Independent folding]
    D --> E[Experimental validation]

Стадии pipeline

СтадияАрхитектурный классЧто происходитГенерация или оценкаGeneratorПромежуточный объектАльтернативы
Sequence designGraph/geometric inverse foldingГенерируются sequences, совместимые с backbonegenerationproteinmpnnDesigned sequencesESM-IF1, LigandMPNN
Self-consistency foldingExternal structure predictorПроверяется, сворачивается ли sequence в тот же foldexternal_evaluationNRscRMSD / pLDDTAlphaFold2 / ColabFold
Experimental validationNRСтруктура/функция измеряются независимоexperimentNRValidated designsNR

Hardware и runtime

ProteinMPNN inference часто CPU-feasible; точные цифры NR.

Evidence level

ProteinMPNN/LigandMPNN: prospective structural/functional. Likelihood ≠ affinity.

Точки отказа

Критерии решения

Связанные задачи

Fixed-backbone inverse folding

Связанные инструменты

ProteinMPNN, ESM-IF1, LigandMPNN

Архитектуры

Inverse folding, Graph neural networks, Invariant models

Papers

Robust deep learning-based protein sequence design using ProteinMPNN, Learning inverse folding from millions of predicted structures, Atomic context-conditioned protein sequence design using LigandMPNN