您的位置: 首頁 >產(chǎn)經(jīng) >

AI揭示了RNA 蛋白質相互作用的本質

2019-10-31 11:17:04 編輯: 來源:
導讀 KAUST科學家開發(fā)的一種新的計算工具使用人工智能(AI)來推斷蛋白質的RNA結合特性。該軟件稱為NucleicNet,其性能優(yōu)于同類的其他算法模型,并

KAUST科學家開發(fā)的一種新的計算工具使用人工智能(AI)來推斷蛋白質的RNA結合特性。該軟件稱為NucleicNet,其性能優(yōu)于同類的其他算法模型,并提供了有助于藥物設計和開發(fā)的其他生物學見解。

“ RNA結合是許多蛋白質的基本特征,” KAUST的前研究助理,該研究的第一作者Jordy Homing Lam說。“我們基于結構的計算框架可以揭示這些蛋白質的詳細RNA結合特性,這對于表征許多疾病的病理學至關重要。”

蛋白質通常與RNA分子接觸,以控制基因轉錄物的加工和運輸—當這些相互作用出錯時,細胞內(nèi)的信息流將被破壞,并可能引起疾病,包括癌癥和神經(jīng)退行性疾病。

為了更好地理解RNA分子的哪些部分傾向于結合在蛋白質的不同表面上,Lam和他的同事們轉向了AI的深度學習。在KAUST的實驗室工作,高林教授在Lam博士和計算生物科學研究中心工作。學生Yu Li教授NucleicNet自動學習了支持蛋白質和RNA之間相互作用的結構特征。

此圖描繪了NucleicNet的培訓策略和實用程序。剝?nèi)チ说鞍踪|數(shù)據(jù)庫中的RNA蛋白質結構的結合RNA,并分析了蛋白質表面的理化特性。結果被編譯為NucleicNet的訓練輸入。一旦訓練完成,就可以將學習到的模型用于預測看不見的查詢蛋白結構的RNA結合位點。學分:©2019 KAUST; 黃河野

他們使用來自公共數(shù)據(jù)庫中的158種不同蛋白質-RNA復合物的三維結構數(shù)據(jù)對算法進行了訓練。將NucleicNet與其他預測模型進行對比(所有預測模型都依賴于序列輸入而不是結構信息),KAUST團隊表明該工具可以最準確地檢測蛋白質表面上的哪些位點與RNA分子結合。

而且,與任何其他模型不同,NucleicNet可以預測RNA分子的哪些方面在進行結合,無論是糖磷酸骨架的一部分還是遺傳字母的四個字母之一。

Lam,Li和Gao與中美研究人員合作,對多種RNA結合蛋白(包括與牙齦癌和肌萎縮性側索硬化有關的蛋白)的算法進行了驗證,以證明NucleicNet推導的相互作用密切匹配實驗技術揭示的那些。他們在《自然通訊》中報道了這一發(fā)現(xiàn)。

Lam說:“其他計算框架很少考慮基于結構的功能。” “我們利用深度學習的力量來推斷那些微妙的相互作用。”


免責聲明:本文由用戶上傳,如有侵權請聯(lián)系刪除!

精彩推薦

圖文推薦

點擊排行

2016-2022 All Rights Reserved.平安財經(jīng)網(wǎng).復制必究 聯(lián)系QQ280 715 8082   備案號:閩ICP備19027007號-6

本站除標明“本站原創(chuàng)”外所有信息均轉載自互聯(lián)網(wǎng) 版權歸原作者所有。