一种基于扩散模型的蛋白质构象系综建模方法

一种基于扩散模型的蛋白质构象系综建模方法，首先，提取蛋白质在原子级、残基级及整体拓扑结构上的关键特征，并将其输入基于图神经网络GNN的扩散模型中进行学习；在去噪过程中，引入Modeller算法对生成的构象进行物理修正，以确保其合理性和生物学可信度；随后，通过循环迭代优化，不断生成符合物理约束的蛋白质构象系综，从而精准捕捉蛋白质的动态行为和功能构象变化，为结构生物学、蛋白质工程及药物设计提供更加可靠的建模方法。本发明通过深入挖掘蛋白质静态数据库PDB中隐含的动态信息，并结合大语言模型解析蛋白质氨基酸序列所蕴含的多种构象特征，从而实现对蛋白质结构多样性的精准建模。