华盛顿大学贝克团队提出了一种能设计新蛋白质的深度学习方法——RoseTTAFold扩散（RFdiffusion），能生成各种功能性蛋白质，包括在天然蛋白质中从未见过的拓扑结构。RFdiffusion是对目前蛋白质设计方法的一次综合改进，能产生总长度达600个残基的结构，复杂性和准确度都比之前更高，未来对该方法的进一步改进将能设计出复杂程度更高的新蛋白。相关成果于2023年7月11日发表在《自然》期刊上。

研究表明，RFdiffusion模型能测试拥有不同结构元素的设计组合，并从头开始产生蛋白质；还能执行不同的任务，设计单体（蛋白质的基本组成单位）、寡聚体（多亚基聚体）、有治疗或工业应用前景的复杂结构。

研究团队对数百个设计出的对称聚体、金属结合蛋白和结合蛋白的结构和功能进行实验表征，证明了该方法的实用性。为了证明该方法的准确性，研究团队利用RFdiffusion设计生成了一种结合蛋白与其底物（此处为流感血凝素，一种在流感病毒表面发现的蛋白）的复合物，对其结构进行分析发现结果与设计的模型几乎一模一样。

信息来源：

https://www.nature.com/articles/s41586-023-06415-8

http://digitalpaper.stdaily.com/http_www.kjrb.com/kjrb/html/2023-07/13/content_555975.htm?div=-1