【Nature子刊】ProteinGAN使用生成式对抗网络生成蛋白质变体，加速药物研发

生成式对抗网络（Generative Adversarial Networks，GAN ）是一种深度学习模型，该模型之前因用于生成以假乱真的照片和视频而闻名。但是在这项研究中，研究团队尝试用GAN产生具有类似天然蛋白质的物理特性的高度多样化的蛋白质变体，并对这些蛋白质进行测试。  

但是传统方法最大的问题在于效率低下，昂贵且耗时，因此，基于AI的新方法加快对蛋白质的改造，能够大大降低研发成本，对于开发基于蛋白质的药物（例如抗体和疫苗）以及工业酶非常重要。

这项研究由瑞典查尔姆斯理工大学、立陶宛维尔纽斯大学，以及一家位于立陶宛的创业公司Biomatter Designs合作完成。

https://www.nature.com/articles/s42256-021-00310-5

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“PGAN” 就可以获取《【Nature子刊】ProteinGAN使用生成式对抗网络生成蛋白质变体，加速药物研发》专知下载链接

专知，专业可信的人工智能知识分发 ，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取5000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取5000+AI主题知识资源