実験的なフィードバックを統合することで,生物学的配列の生成モデルが改善される
Francesco Calvanese1,2, Giovanni Peinetti1,3, Polina Pavlinova2
1Sorbonne Université, CNRS, Department of Computational, Quantitative and Synthetic Biology-CQSB, 75005 Paris, France.
生物分子設計の生成モデルは 偽陽性と闘っています 実験的なフィードバックを統合することで,機能的なRNAとタンパク質の配列の生成が大幅に改善され,アクティブデザインは6.7%から63.7%に増加しました.
科学分野:
- 計算生物学
- 分子生物学
- バイオ分子工学
背景:
- 人工RNAとタンパク質の配列を設計する可能性を示しています.
- 主な制限は,予測された機能的なシーケンスが実験的検証に失敗する高率の偽陽性です.
研究 の 目的:
- ゲネラティブ・バイオモレキュア・デザインの 偽陽性問題に対処するためです
- 実験的なフィードバックをモデル設計に再統合する影響を調査する.
- 機能的な生物分子配列の生成を改善する.
主な方法:
- 可能性に基づく再統合計画を提案した.
- RNAとタンパク質のデータセットに関する広範な計算実験を行った.
- グループIのイントロンRNAのセルフスプライシングリボ酵素のウェットラボ実験を行った.
主要な成果:
- フィードバックベースのアプローチは,機能的なシーケンスを生成するモデルの能力を大幅に高めました.
- アクティブデザインは実験データを統合した後に6.7%から63.7%に増加した (45の変異).
- この方法は,自己結合リボ酵素の設計において特に有効であることが示された.
結論:
- 最近の実験データを統合することで 生物分子の設計における 偽陽性の課題に 直接取り組むことができます
- このフィードバックベースのアプローチは,機能的なRNAとタンパク質の配列を設計する上で大きな改善をもたらします.
- 提案されたスキームは,生成的生物分子設計の信頼性と成功率を高めます.
さらに関連する動画
09:34A Virtual Machine Platform for Non-Computer Professionals for Using Deep Learning to Classify Biological Sequences of Metagenomic Data
Published on: September 25, 2021
10:34Probing RNA Structure with Dimethyl Sulfate Mutational Profiling with Sequencing In Vitro and in Cells
Published on: December 9, 2022
関連する概念動画
Improving Translational Accuracy
Per-Unit Sequence Models
Zero-sequence currents, which are identical in magnitude and phase, generate a neutral current, resulting in voltage drops across the neutral impedance and the low-voltage winding. If the...
Evolutionary Relationships through Genome Comparisons
Synthetic Biology
Golden rice
Golden rice is a genetically modified...
Effects of feedback
Feedback significantly modifies the gain of a control system. The gain of a system without feedback is altered by a factor of one plus GH, where G represents...
Genome Annotation and Assembly
