ProteinMPNN
基于消息传递神经网络的蛋白质序列设计方法，从给定的蛋白质骨架结构出发 设计满足该结构的氨基酸序列。该方法在序列恢复率和实验成功率上大幅优于 传统的 Rosetta 设计方法。
| 属性 | 值 |
|---|---|
| 用途 | 基于图神经网络的蛋白质序列设计 |
| 时间复杂度 | O(n^2 * d) |
| 空间复杂度 | O(n^2) |
| 年份 | 2022 |
| 难度 | 高级 (Advanced) |
| 实现语言 | Python |
| 分类 | 蛋白质语言模型 |
复杂度分析
- 时间复杂度：
O(n^2 * d) - 空间复杂度：
O(n^2)
性能洞见：该算法时间复杂度属于多项式量级。空间复杂度较高；对超长序列可考虑 Hirschberg 算法等空间优化变体。
注：复杂度基于理论模型。实际性能受数据规模、硬件环境与实现优化影响，建议针对具体场景进行基准测试。
文献与实现
相关工具
Rosetta · RFdiffusion · ESM
标签
protein-design inverse-folding graph-neural-network sequence-design