Search research articles

ACERCA DE JoVE

Visión General Liderazgo Blog Centro de Ayuda JoVE

AUTORES

Proceso de Publicación Consejo Editorial Alcance y Políticas Revisión por Pares Preguntas Frecuentes Enviar

BIBLIOTECARIOS

Testimonios Suscripciones Acceso Recursos Consejo Asesor de Bibliotecas Preguntas Frecuentes

INVESTIGACIÓN

JoVE Journal Methods Collections JoVE Encyclopedia of Experiments Archivo

EDUCACIÓN

JoVE Core JoVE Business JoVE Science Education JoVE Lab Manual Centro de Recursos para Profesores Sitio de Profesores

Términos y Condiciones de Uso

Política de Privacidad

Videos de Conceptos Relacionados

Classification of Neurotransmitters

Classification of Neurotransmitters

Neurotransmitters play a crucial role in the communication between neurons in the autonomic nervous system. Neurons in the autonomic nervous system can be cholinergic or adrenergic depending on the neurotransmitters synthesized. Cholinergic neurons use acetylcholine as their primary neurotransmitter. This includes all the preganglionic fibers of the sympathetic and pre- and postganglionic fibers of the parasympathetic nervous systems. In addition, neurons of the somatic nervous system also use...

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por

Same author

A unifying equation for fermentation sustainability across the titer-rate-yield landscape.

Nature communications·2026

Same author

Engineering Rhodotorula toruloides as a platform organism for de novo synthesis of fatty-acid esters.

Nature communications·2026

Same author

Harnessing the Versatility of SAM-Dependent Enzymes: From Mechanism to Application.

Chembiochem : a European journal of chemical biology·2026

Same author

Solvent Environment Influences Molecular Conformation and Electron Transport in Peptides.

The journal of physical chemistry letters·2026

Same author

Mapping Strigolactone Hydrolysis in DWARF14 via QM/MM String Method.

bioRxiv : the preprint server for biology·2026

Same author

De novo Folding Mechanisms of Lasso Peptides.

bioRxiv : the preprint server for biology·2026

Search research articles

Video Experimental Relacionado

Updated: May 4, 2026

Author Spotlight: Addressing Technical and Subjective Challenges in Measuring Classroom Attention

Author Spotlight: Addressing Technical and Subjective Challenges in Measuring Classroom Attention

Published on: December 15, 2023

Predicción de la especificidad de las enzimas utilizando redes neuronales de gráficos de atención cruzada

Haiyang Cui^1,2,3,4, Yufeng Su^3,5, Tanner J Dean^3,6

¹Department of Chemical and Biomolecular Engineering, University of Illinois Urbana-Champaign, Urbana-Champaign, IL, USA.

|October 8, 2025

Resumen

EZSpecificity, un nuevo modelo de IA, predice con precisión la especificidad del sustrato de la enzima. Este avance mejora la comprensión de la diversidad biocatalítica y ayuda a la investigación en biología y medicina.

Más Videos Relacionados

Evidence-based Knowledge Synthesis and Hypothesis Validation: Navigating Biomedical Knowledge Bases via Explainable AI and Agentic Systems

Evidence-based Knowledge Synthesis and Hypothesis Validation: Navigating Biomedical Knowledge Bases via Explainable AI and Agentic Systems

Published on: June 13, 2025

Videos de Experimentos Relacionados

Last Updated: May 4, 2026

Author Spotlight: Addressing Technical and Subjective Challenges in Measuring Classroom Attention

Author Spotlight: Addressing Technical and Subjective Challenges in Measuring Classroom Attention

Published on: December 15, 2023

Evidence-based Knowledge Synthesis and Hypothesis Validation: Navigating Biomedical Knowledge Bases via Explainable AI and Agentic Systems

Evidence-based Knowledge Synthesis and Hypothesis Validation: Navigating Biomedical Knowledge Bases via Explainable AI and Agentic Systems

Published on: June 13, 2025

Área de la Ciencia:

La bioquímica
La bioinformática
Biología computacional

Sus antecedentes:

La función de la enzima se rige por la especificidad del sustrato, determinada por la estructura del sitio activo y los estados de transición de la reacción.
Millones de enzimas carecen de datos de especificidad de sustrato, lo que dificulta la investigación y las aplicaciones.
Los modelos de predicción existentes tienen limitaciones en cuanto a precisión y alcance.

Objetivo del estudio:

Desarrollar un nuevo modelo de aprendizaje automático para una predicción precisa de la especificidad del sustrato enzimático.
Crear una base de datos completa de las interacciones entre enzimas y sustratos para la formación de modelos.
Superar las limitaciones de los métodos existentes y mejorar la comprensión de la biocatálisis.

Principales métodos:

Desarrollado EZSpecificity, una red neuronal de gráficos equivalentes a la atención cruzada.
Entrenó el modelo en una base de datos personalizada de interacciones enzima-sustrato a nivel de secuencia y estructura.
Especificidad EZ validada en comparación con los modelos existentes utilizando diversos conjuntos de datos de enzimas y sustratos.

Principales resultados:

EZSpecificity superó significativamente los modelos de aprendizaje automático de última generación.
La validación experimental con ocho halogenasas y 78 sustratos mostró una precisión del 91,7% en la predicción de sustratos reactivos.
El modelo demostró un rendimiento superior en bases de datos de enzimas y sustratos desconocidos y familias de proteínas de prueba de concepto.

Conclusiones:

EZSpecificity proporciona un método general y preciso para predecir la especificidad del sustrato de la enzima.
El modelo tiene amplias aplicaciones en la investigación fundamental y aplicada en biología y medicina.
Este trabajo avanza en la comprensión y utilización de las enzimas en la biocatálisis.