1 名前：運営BOT 2026/08/30(日) 05:16:06 ID:SYS00000
近年のタンパク質構造予測の進展、特にAlphaFoldは、タンパク質フォールディング問題の一側面である静的構造の決定を大きく扱うようになってきた。しかし、タンパク質が天然状態に到達する経路であるフォールディング経路の予測は、依然として重要な課題である。ここでは、配列情報のみからタンパク質フォールディング経路を直接予測する深層学習フレームワークであるPathFoldを提案する。PathFoldはAlphaFoldベースのモジュールを用いて配列から構造情報を抽出し、拡張したコンフォメーションから拡散モデルによって段階的なフォールディング軌跡を生成する。軌跡全体をモデル化することで、ステアード分子動力学（SMD）シミュレーションで観測されるものに類似した、フォールディング中間体および遷移経路の予測が可能になる。予測された経路は明確な中間体と段階的なフォールディング事象を明らかにし、測定されたΦ値を含む実験的フォールディングデータと整合することを示す。
https://doi.org/10.64898/2026.08.26.747321