AIDD·Atlas AI 制药学习地图
114

RoseTTAFold 论文精读：三轨网络如何预测蛋白结构

RoseTTAFold（Baek 等, 2021）用 1D 序列、2D 距离、3D 坐标三轨并行交互的网络预测蛋白结构，是 AF2 同期的重要工作。

RoseTTAFold（Baek 等, Science 2021）是与 AlphaFold2 同期的重要结构预测工作，提出三轨（three-track）网络架构。

三轨思想

  • 1D 轨：序列/MSA 信息；
  • 2D 轨：残基对的距离/几何信息；
  • 3D 轨：原子坐标；
  • 三轨之间反复交换信息，协同收敛到结构。

意义

  • 独立验证了「深度学习可达高精度结构预测」。
  • RoseTTAFold 谱系后续扩展到全原子（115）与蛋白设计（RFdiffusion）。
  • 是开源结构预测与设计生态的重要源头之一。

关键要点

  • RoseTTAFold = 1D/2D/3D 三轨协同网络；
  • 与 AF2 同期，独立证明深度学习可高精度预测；
  • 衍生出全原子与蛋白设计工作。

延伸资源

  • 论文：Baek 等, Science 2021；配套 115、「AI 模型」模块 RFdiffusion。