...Journal of Molecular Sciences:提出預測蛋白質相互作用的計算...

2020-11-30 生物谷

 

 

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。

針對這一科學問題，中國科學院新疆理化技術研究所多語種信息技術研究室碩士生王延斌在研究員尤著宏指導下，經過系統研究，提出了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。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。該研究成果發表在《國際分子科學雜誌》（International Journal of Molecular Sciences）上，發表至今約兩個月時間，被引用23次。

基於上述研究成果，科研人員通過構建一個深度學習系統，實現了更加準確、穩定的預測系統。實驗結果表明，使用了深度學習方法後，預測準確率可提升2.2%，並且可以實現跨物種檢測。該研究成果發表在《生物分子》（Molecular Biosystems）上。

該工作得到國家自然科學基金、中科院「百人計劃」的資助。 (生物谷Bioon.com）

相關焦點

  • 科學網—提出預測蛋白質相互作用的方法
    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
  • 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。
  • 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
  • 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。
  • 「PLOS子刊」AI融合基因組學研究預測阿爾茨海默病的早期分子標記
    該研究發表在計算生物學領域的國際學術期刊《PLOS計算生物學》上。β澱粉樣蛋白是導致阿爾茨海默氏病（AD）的一種蛋白質。這意味著β澱粉樣蛋白的增加會觸發膽固醇的生物合成，這兩個過程結合在一起很可能通過相互作用影響突觸形成和突觸可塑性。這項研究是基於生物信息學與AI融合的獨特研究技術，其意義在於為研究者提供更系統的分析和實驗設計，它代表了一種新的方法來預測疾病發展早期階段的生物變化，並可以將其應用於醫療保健行業。
  • 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。
  • RNA-蛋白質結合位點預測|蛋白質|RBP|RNA|位點|預測|線性|類型|...
    今天，小編就給大家介紹一種基於深度學習的RNA-蛋白質結合位點預測的網站：RBPsuite，這是一個易於使用的網絡伺服器，用於預測線性和環形RNA上的RBP結合位點。RBPsuite首先將輸入的RNA序列分割為101個核苷酸的片段，並對片段與RBP之間的相互作用進行評分。
  • 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。
  • Nat Methods綜述|秦為等闡述鄰近標記技術對蛋白質相互作用的解析
    責編 | 兮生物大分子間的相互作用，例如蛋白-蛋白以及蛋白-核酸相互作用，在各種生命過程中廣泛存在，並起著重要的調控作用。發展大規模分析生物分子間相互作用的方法對生物學功能探索和疾病幹預具有重要的意義。
  • 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。
  • 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
    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。若能有效利用已知的百萬級小分子和蛋白質晶體中的大量化學信息，理論上可以提高藥物開發流程早期階段的成功率。CSD包含超過一百萬個小分子的晶體結構條目。
  • 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，
  • 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。
  • 蛋白質結構預測:生命科學的又一場競爭
    對此，中國科學院院士歐陽鍾燦評價說：「CASP被譽為蛋白質結構預測領域的奧林匹克競賽，張陽獲得第一名，表明他已經走在這個領域的最前沿，這個成就令人興奮。」     蛋白質結構預測技術評估(CASP)大賽是一個世界性的蛋白質結構預測技術評比活動。
  • SAXS技術100問之:如何由蛋白質原子模型計算理論散射曲線?
    Computational and structural biotechnology journal. 2013, 8(11): e201308006[2] Knight C.J. & Hub J.S.
  • 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。
  • 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。
  • 【譯】蛋白質摺疊問題50年的歷程
    摘要蛋白質摺疊問題大約半個世紀前第一次提出. 這一術語涉及三大問題: (i) 胺基酸序列決定蛋白質天然結構的物理規則是什麼? (ii) 蛋白質怎麼能摺疊得如此迅速? (iii) 我們能不能設計一種計算機算法, 根據蛋白質的序列來預測其結構? 我們將對在這些問題上取得的進展進行綜述.