科學網—提出預測蛋白質相互作用的方法

2020-11-30 科學網

 

本報訊（記者彭科峰）日前，中科院新疆理化所王延斌在尤著宏研究員指導下，提出一種使用蛋白質序列信息預測蛋白質相互作用的計算方法。相關成果發布於《國際分子科學雜誌》。

隨著蛋白質相互作用實驗技術的發展，人們能夠獲得大量的蛋白質相互作用數據，甚至能夠在全基因組範圍內對蛋白質相互作用進行分析。然而，由於實驗技術的限制，很多高通量實驗方法測得的蛋白質相互作用數據的錯誤率都比較高。此外，傳統實驗的方法不適用於檢測大規模數據。

為了獲得重要的蛋白質信息，科研人員首先使用位置打分矩陣（PSSM）去表示每一個蛋白質序列。研究發現，打分矩陣的表示方法不僅保留了序列的位置信息，還保留了蛋白質的化學信息。同時，為了開發PCVMZM預測模型，科研人員首先在不同尺度的PSSM打分矩陣上提取到準確的、有代表性的蛋白質信息，並將每一個信息表示成一個特徵向量作為特徵，運用一個強分類器去預測蛋白質的交互。

研究結果表明，此方法能夠提供精確、穩定、覆蓋率高的預測信息，為基因組學研究提供了一個有用的決策工具。

《中國科學報》 (2017-08-01 第4版 綜合)

相關焦點

  • 中科院新疆理化所提出預測蛋白質相互作用的方法—新聞—科學網
    本報訊（記者彭科峰）日前，中科院新疆理化所王延斌在尤著宏研究員指導下，提出一種使用蛋白質序列信息預測蛋白質相互作用的計算方法
  • ...Journal of Molecular Sciences:提出預測蛋白質相互作用的計算...
    蛋白質相互作用研究能夠從分子水平上揭示蛋白質的功能，幫助揭示生長發育、新陳代謝、分化和凋亡等細胞活動的規律在全基因組範圍內識別蛋白質相互作用對是解釋細胞調控機制的重要一步。隨著蛋白質相互作用實驗技術的發展，人們能夠獲得大量的蛋白質相互作用數據，甚至能夠在全基因組範圍內對蛋白質相互作用進行分析。然而，由於實驗技術的限制，很多高通量實驗方法測得的蛋白質相互作用數據的錯誤率都比較高。此外，傳統實驗的方法不適用於檢測大規模數據。
  • JCIM:計算提升蛋白質-蛋白質相互作用的預測精度
    蛋白質-蛋白質相互作用和識別在生物學過程中有著非常重要的作用。儘管結構生物學已經取得了較大的進展，但直接採用實驗方法確定蛋白質-蛋白質複合物結構仍然非常困難。分子對接技術是預測蛋白質-蛋白質複合物結構的有效方法。
  • 大連化物所提出蛋白質相互作用識別和幹預機制分析新方法
    近日，中國科學院大連化學物理研究所研究員王方軍團隊在蛋白質複合物形成和幹預機制分析新方法研究方面取得進展，通過溶液狀態蛋白質賴氨酸兩步穩定同位素標記和定量蛋白質組學分析，實現對蛋白—蛋白識別關鍵位點區域的精確探測，並可評估小分子對蛋白質複合物的構象識別幹預情況。
  • Nature:計算機預測技術對數十億種藥物-蛋白質相互作用進行排序
    這樣的算法尤為有用，有利於發現那些由於藥物與結構相似的非靶標性蛋白質意外結合所引發的潛在毒副作用。近日，研究者們提出了一個計算機模擬工作計劃，擬以公共資料庫中存儲的藥物信息和蛋白質信息為基礎，對數十億種可能的藥物與蛋白質之間的對接進行評價。
  • 新的深度學習方法從胺基酸序列預測蛋白質結構
    由於蛋白質的形狀決定了它的功能及其在疾病中的功能障礙程度，因此闡明蛋白質結構的努力是所有分子生物學的核心 - 特別是治療科學以及拯救生命和改變生命的藥物的發展。近年來，計算方法在基於其胺基酸序列的知識預測蛋白質如何摺疊方面取得了重大進展。如果完全實現，這些方法有可能改變生物醫學研究的幾乎所有方面。然而，目前的方法在可以確定的蛋白質的規模和範圍方面受到限制。
  • 蛋白質間相互作用研究方法:免疫共沉澱
    蛋白質間相互作用研究方法：免疫共沉澱 來源：來源網絡 2007-03-15 20:43 蛋白質間相互作用研究方法：免疫共沉澱
  • 轉錄組層面上研究蛋白質-RNA相互作用的技術及方法綜
    兩周前，小編給大家推薦了清華大學張強峰教授在QB期刊上發表的關於轉錄組層面上研究RNA-RNA相互作用的乾濕實驗方法的綜述文章後（點擊這裡進入該篇文章），引起了許多小夥伴的關注。並且也有小夥伴問，RNA在轉錄組層面上的相互作用不僅有RNA-RNA之間的，應該還有蛋白質-RNA之間的相互作用呢！
  • 摺疊革命,深度學習通過胺基酸序列預測蛋白質結構
    如果都能使用這些計算方法，那生物醫學研究都可以被轉換成計算公式。然而，現在一些應用則受到了蛋白質規模和範圍的局限而無法決策。近期，來自哈佛醫學院的科學家應用了深度學習的方法，基於胺基酸序列來有效預測蛋白質的3D結構。
  • 速度提高100萬倍,哈佛醫學院提出可預測蛋白質結構的新深度模型
    蛋白質結構預測是生命科學領域的一大難題。近日，來自哈佛大學醫學院的研究人員提出了一種基於胺基酸序列預測蛋白質結構的新方法，準確率可媲美當前最佳方案，但預測速度提升了100萬倍。生命所必需的每一次基礎生物學進展幾乎都是由蛋白質帶來的。
  • 蛋白質的化學反應及與食品成分的相互作用
    1 蛋白質與水的相互作用：蛋白質的水溶性蛋白質與水之間的作用力主要是蛋白質中的肽鍵（偶極-偶極相互作用或氫鍵），或胺基酸的側鏈（解離的、極性甚至非極性基團）同水分子之間發生了相互作用。影響蛋白質水溶性的應素很多：（1）pH>pI 時，蛋白質帶負電荷，pH=pI 時，蛋白質不帶電荷，pH 時，蛋白質帶正電荷。溶液的pH 低於或高於蛋白質的pI 都有利於蛋白質水溶性的增加，一方面是加強了蛋白質與水分子的相互作用，另一方面蛋白質鏈之間的相互排斥作用。等電沉澱。
  • 大難題告破,蛋白質3D結構可用AI解析—新聞—科學網
    圖中藍色為計算機預測的蛋白質結構，綠色為實驗驗證結果，二者相似度非常高。（圖片來源：DeepMind） 生物學界最大的挑戰之一——蛋白質三維結構解析如今有望被破解。藉由深度學習程序AlphaFold，谷歌旗下人工智慧公司DeepMind能夠精確預測其三維形狀。 如果把生物體比作工地，那麼蛋白質就是工地上的磚頭。
  • STRING:蛋白質相互作用(PPI網絡)資料庫簡介
    研究蛋白之間的相互作用網絡，有助於挖掘核心的調控基因，目前已經有很多的蛋白質相互作用的資料庫，而string絕對是其中覆蓋的物種最多，相互作用信息做大的一個，網址如下https://string-db.org/該資料庫的最新版本為version 10.5, 更新於2017年5月14號，
  • 大規模蛋白質組相互作用的文庫篩選
    大規模蛋白質組相互作用的文庫篩選 作者：小柯機器人 發布時間：2021/1/6 17:15:03 美國哈佛醫學院細胞生物學系Steven P. Gygi研究組取得最新進展。
  • 蛋白質相互作用識別和幹預機制分析獲進展
    近日，中國科學院大連化學物理研究所研究員王方軍團隊在蛋白質複合物形成和幹預機制分析新方法研究方面取得新進展。研究人員通過溶液狀態蛋白質賴氨酸兩步穩定同位素標記和定量蛋白質組學分析，實現對蛋白—蛋白識別關鍵位點區域的精確探測，並可評估小分子對蛋白質複合物的構象識別幹預情況。
  • AI醫療新進展,谷歌DeepMind基於基因序列預測蛋白質的三維結構
    甚至還有一個眾包遊戲（FoldIt）試圖利用人類的直覺來預測可行的蛋白質形式。 但是對三維結構進行建模是一項非常複雜的任務，因為蛋白質摺疊可能存在多種排列方式，這取決於諸如各種胺基酸之間的相互作用等因素。
  • 除了下圍棋 AI還能預測"難纏"的蛋白質結構
    這實際上很符合直覺，我們可以想像，如果同樣的胺基酸序列可以摺疊成不同結構的蛋白質，發揮不同的功能，我們的身體內部會陷入怎樣的混亂狀態。自然界經過漫長的生命進化過程，蛋白質分子在眨眼之間就能夠自發地完成整個摺疊過程。但科學家們發現，如果想要通過計算胺基酸分子間的相互作用來預測它們如何摺疊，那麼要窮盡所有可能的蛋白質構型，需要的時間將比整個宇宙年齡還要長。
  • AlphaFold成功預測蛋白質結構
    比賽中會定期給出目標蛋白質或蛋白質結構域——總共100個左右，讓團隊有幾周的時間來提交他們預測的結構。隨後，一支由獨立科學家組成的團隊利用各類指標對預測結果進行評估，這些指標主要判斷團隊預測的蛋白質與實驗解析的結構有多相似。評審專家並不知道預測是誰做的。 AlphaFold的預測用被稱為「427組」，多個預測達到了驚人的準確性，讓它們脫穎而出，Lupas說。
  • 藥物發現 | 基於分子晶體形狀與分子間相互作用的藥物發現方法
    晶體工程方法設計新晶體利用的是小分子晶體中的分子間相互作用信息。眾所周知，小分子配體在晶體結構中的分子構象與其蛋白結合構象有著較高的相關性。然而，這些配體在小分子晶體環境中的分子間相互作用與在蛋白質口袋中的分子間相互作用的相似程度仍未得到充分探索。早有報導表明，利用晶體中的這些相互作用來篩選配體、模擬靶蛋白結合具有一定的可行性。
  • DeepMind推出蛋白質結構預測算法,大勝人類傳統模型!
    前幾天，DeepMind宣布推出全新的AlphaFold系統，能夠預測並生成蛋白質的3D結構。這一系統在周日進行的國際蛋白質結構預測競賽（CASP）上擊敗了其餘的參會選手。 我們都知道，蛋白質是維持我們生命所必需的龐大而複雜的物質。我們身體的幾乎所有功能，例如收縮肌肉、感知光線或將食物轉化成能量等，都需要一種或多種蛋白質來完成。