AI蛋白设计再登Nature：Diffusion模型助力更强的蛋白质从头设计
该研究开发了蛋白质从头设计的深度学习算法——Family-wide Hallucination，并通过实验室测试证实，这些自然界中不存在的人造酶可以非常有效地催化荧光素底物发光。这是科学界首次基于深度
越来越多的证据表明，蛋白质摄入不足是导致肥胖的重要机制
最后，作者总结道，只有通过将特定的营养和生物因素放在更广泛的背景下，我们才有希望确定可持续的干预点，以减缓和逆转肥胖及其相关并发症的发生率。
博士期间已Nature+Science在手，年仅30的她再发Science，揭示全新的蛋白质降解机制
总的来说，这项研究发现的Midnolin-蛋白酶体途径，可能代表了蛋白酶体绕过传统的泛素化系统来实现许多核蛋白选择性降解的通用机制。
研究人员开发出定量蛋白质组学数据的下游分析与可视化工具
基于超高分辨率液质联用质谱的定量蛋白质组学已成为重要的生命科学研究手段。与其他组学方法一样，恰当的数据分析流程是蛋白质组学研究的关键。基于质谱的蛋白质组数据具有方法仪器多样、搜库定量软件繁多的特点，导
单结构域蛋白质索烃的设计和合成方面取得重要进展
以对蛋白质进行环化、索烃化、打结等拓扑改造为代表的蛋白质拓扑工程是一种重要的调控蛋白质性质的手段。近年来，基于可基因编码的蛋白质缠结基元和反应基元的“组装-反应协同”理念，发展
研究人员预测和设计揭示无序蛋白结构域的靶标识别机制
中国科大刘海燕教授、陈泉教授课题组与复旦大学王文宁教授合作，采用蛋白质结构预测、序列设计等计算手段与蛋白质互补分析和深度突变扫描、X射线晶体学、NMR等实验结合的方法，揭示了固有无序的4.1G蛋白C端
Cell：借助于噬菌体辅助进化和蛋白质工程，华裔科学家构建出更紧凑更高效的新型先导编辑器
先导编辑（prime editing）技术使得科学家们能够以多种方式精确编辑基因组，有朝一日可用于治疗遗传疾病。如今，在一项新的研究中，来自美国布罗德研究所的研究人员利用最先进的实验室连续进化和工程方
多层级的图神经网络推动蛋白质功能预测的发展
高通量测序的进展推动了蛋白质序列数量的快速增长。尽管如此，由于实验研究需要较长的周期并且费用昂贵，大部分蛋白质序列缺乏功能注释。因此，具备自动而准确推断蛋白质功能的计算方法变得至关重要。
Cell Systems封面论文：曾坚阳团队提出蛋白质口袋结构表征新方法
具体而言，对于输入的蛋白质结构，首要任务是确定其表面上anchor的位置。这些anchor位置是通过对蛋白质表面潜在结合配体的空间区域进行采样、过滤、聚类等操作后得到的。
肿瘤新纪元：从基因组学向蛋白质组学再次跃进
泛癌症研究的重点是确定不同癌症的分子特征。该研究扩展了之前以基因组学为中心的泛癌症研究，结合蛋白质组学层来阐明癌症驱动因子的六个关键方面