GentleKK/protein-structure-prediction-imrad-paper

深度学习驱动的蛋白质结构预测在生物信息学中的进展、应用与局限：一篇按 IMRAD 结构撰写的综合研究论文 摘要 蛋白质三维结构决定其分子功能、相互作用和可干预性，因此从氨基酸序列可靠预测结构长期是生物信息学和结构生物学的核心问题。近年来，以 AlphaFold2、RoseTTAFold、AlphaFold-Multimer、RoseTTAFold All-Atom 和 AlphaFold3 为代表的深度学习模型显著改变了蛋白质结构预测的研究范式，使结构建模从单链折叠扩展到蛋白质复合物、核酸、配体、金属离子和共价修饰等更接近真实细胞环境的生物分子体系。本文采用 IMRAD 结构，对 2021 年以来蛋白质结构预测领域的代表性文献、公开数据库和评测结果进行综合分析，重点讨论模型架构、输入特征、预测置信度、数据库资源、功能注释和药物发现应用。结果显示，AlphaFold2 在 CASP14 中达到接近实验精度的单链结构预测水平，AlphaFold Protein Structure Database 已提供超过 2… See the full description on the dataset page: https://huggingface.co/datasets/GentleKK/protein-structure-prediction-imrad-paper.