然而，目前的方法是准确地映射形状，通常依赖于同步调节的复杂实验
，但即使这些复杂的过程也具有它们的局限性 - 数据和质量并不总是足以理解原子水平的蛋白质
通过将强大的机器学习方法应用于大型蛋白质结构库，现在可以从其基因序列预测蛋白质的形状
伯克利实验室的研究人员的分子生物物理学和综合生物体验司JoiNED由华盛顿大学领导的国际努力生产一个名为RosettaFold的计算机软件工具
算法同时考虑氨基酸的图案，距离和坐标
，因为这些数据输入流量在，该工具评估结构内和之间的关系，最终有助于构建蛋白质形状的非常详细的图像
以验证预测的准确性，由ADAMS引导的结构生物学家的小组使用RosettaFold预测从他们之前收集的实验数据中解决了新蛋白质的结构
此外，Randy读取剑桥大学，他与亚当斯合作开发了Phenix软件套件，用于自动测定摩尔EBLARACLURES，测试了在使用现有方法解决方案的晶体数据上的新程序
准确的结构模型可以深入了解特定蛋白质中的突变如何导致疾病
“这些预测工具将催化更多结构生物学实验以了解其他预测方法无法提供的蛋白质的细化学细节，“Adams
”“所有这一切都将有助于推进对生物学，设计的根本理解新的和改进的药物，以及帮助生长生物经济学的工程蛋白
“
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
