高精度预测蛋白片段抑制活性的新方法：FragFold的应用 学术背景 蛋白质相互作用在细胞生命活动中扮演着至关重要的角色，而小肽（peptides）或蛋白片段（protein fragments）可以通过与特定蛋白界面结合，调节蛋白功能，甚至作为抑制剂发挥作用。近年来，高通量实验技术的发展使得在活细胞中大规模测量蛋白片段的抑制活性成为可能。然而，迄今为止，尚未有相应的计算方法能够预测哪些蛋白片段能够与目标蛋白结合并发挥抑制作用，更不用说预测它们的结合模式。这一领域的研究空白促使研究人员开发新的计算工具来解决这一问题。 AlphaFold的推出为蛋白质结构预测带来了革命性的突破，但其在预测蛋白片段与全蛋白结合方面的应用仍然有限。为了填补这一空白，Andrew Savinov等研究人员开发了一种...

天然蓝色色素的无金属生产：花青素-蛋白质相互作用的新发现 学术背景 随着消费者对健康和天然食品成分的关注增加，天然色素的需求也日益上升。然而，天然蓝色色素的来源极少，且其生产面临巨大的挑战。目前，食品工业主要依赖合成蓝色色素，但合成色素可能对健康存在潜在风险。因此，开发安全、稳定的天然蓝色色素成为了食品科学领域的重要研究方向。花青素（anthocyanins, Acns）是植物中常见的色素，能够呈现从橙红色到蓝紫色的多种颜色。然而，在体外环境中，花青素的蓝色稳定性较差，尤其是在中性或碱性条件下，蓝色容易褪色。 传统上，花青素通过与金属离子络合来生成稳定的蓝色色素，尤其是酰基化的花青素表现出优异的蓝色稳定性。然而，金属络合方法成本较高，且可能存在金属摄入的风险。因此，寻找一种无需金属的天然蓝色...

##基于生物网络学习蛋白质知识来预测药物-靶点亲和力 背景介绍 药物-靶点亲和力（drug-target affinity, DTA）预测在药物发现环节中占据重要地位。高效且准确的DTA预测可以显著缩短新药开发的时间和经济成本。近年来，深度学习技术的爆炸性发展为DTA预测提供了强大的支持。现有的DTA预测方法主要分为基于1D蛋白质序列和基于2D蛋白质结构图的方法。然而，这些方法仅关注靶蛋白的内在特性，忽略了过往研究中明确揭示的蛋白质交互的广泛先验知识。 针对上述问题，本文提出了一种名为MSF-DTA（基于多源特征融合的药物-靶点亲和力）的端到端DTA预测方法。MSF-DTA通过利用邻接蛋白的信息，增强蛋白质的表示，并使用高级图预训练框架VG-AE（变分图自动编码器）来学习这些表示，使得预测结...