From simple to complex: Reconstructing all-atom structures from coarse-grained models using cg2all.
From simple to complex: Reconstructing all-atom structures from coarse-grained models using cg2all.
复制标题
从简单到复杂：使用 cg2all 从粗粒度模型重建全原子结构。
DOI：
10.1016/j.str.2023.12.004
复制
发表时间：
2024
期刊：
影响因子：
--
通讯作者：
Gumbart,JamesC
中科院分区：
文献类型：
--
作者：
Pang,YuiTik;Yang,Lixinhao;Gumbart,JamesC
在本期《Structure》中，Heo 和 Feig 提出了 cg2all，这是一种新型深度学习模型，能够根据粗粒度 (CG) 表示有效预测全原子蛋白质结构。即使 CG 模型被简化为每个残基一个珠子，该模型仍能保持高精度，并且具有许多有前景的应用。
In this issue ofStructure, Heo and Feig present cg2all, a novel deep-learning model capable of efficiently predicting all-atom protein structures from coarse-grained (CG) representations. The model maintains high accuracy, even when the CG model is simplified to a single bead per residue, and has a number of promising applications.
登录
查看更多内容
影响因子：
64.8
作者：
Jumper J;Evans R;Pritzel A;Green T;Figurnov M;Ronneberger O;Tunyasuvunakool K;Bates R;Žídek A;Potapenko A;Bridgland A;Meyer C;Kohl SAA;Ballard AJ;Cowie A;Romera-Paredes B;Nikolov S;Jain R;Adler J;Back T;Petersen S;Reiman D;Clancy E;Zielinski M;Steinegger M;Pacholska M;Berghammer T;Bodenstein S;Silver D;Vinyals O;Senior AW;Kavukcuoglu K;Kohli P;Hassabis D
通讯作者：
Hassabis D
分子动力学柔性拟合方法的应用。
影响因子：
3
作者：
Trabuco, Leonardo G.;Schreiner, Eduard;Gumbart, James;Hsin, Jen;Villa, Elizabeth;Schulten, Klaus
通讯作者：
Schulten, Klaus
影响因子：
5.7
作者：
Lim Heo;M. Feig
通讯作者：
Lim Heo;M. Feig
影响因子：
48
作者：
Souza, Paulo C. T.;Alessandri, Riccardo;Marrink, Siewert J.
通讯作者：
Marrink, Siewert J.