ROCKET permite que AlphaFold aprenda de dados brutos de laboratório
Publicado na Nature Methods, elimina semanas de processamento manual e modela mudanças de forma de proteínas.
Pontos principais
- ROCKET publicado na Nature Methods em 1º de abril de 2026
- Estende AlphaFold para usar dados brutos de cristalografia, cryo-EM e tomografia
- Elimina processamento manual que levava semanas
- Consegue modelar como proteínas mudam de forma — essencial para design de medicamentos
- Integrado ao SFCalculator e OpenFold por equipes de Flatiron, Harvard, Columbia e Cambridge
- Será incorporado ao PHENIX, SBGrid de Harvard e RS-Station
O ROCKET, publicado na Nature Methods, permite que o AlphaFold aprenda diretamente de dados brutos de laboratório — cristalografia de raios-X, cryo-EM e tomografia eletrônica — sem o processamento manual que antes levava semanas de esforço humano.
Além de automatizar a construção de modelos atômicos, o ROCKET consegue saltar entre diferentes conformações de proteínas, modelando como elas mudam de forma ao interagir com outras moléculas. Essa capacidade é essencial para entender onde medicamentos se encaixam. A ferramenta será integrada ao PHENIX, SBGrid de Harvard e plataforma open-source RS-Station.
Comentários
Carregando comentários...
