评估和预测人类蛋白型的稳定性为蛋白质组学量化量化
Cristina Chiva1,2, Zahra Elhamraoui1,2, Amanda Solé1,2
1Centre for Genomics Regulation, Barcelona Institute of Science and Technology (BIST), Barcelona 08003, Spain.
Analytical chemistry
|September 7, 2023
概括
这项研究评估了21天的人类蛋白型的稳定性. 开发了一个深度学习模型,从三序列中预测稳定性,帮助选择蛋白质量定量.
科学领域:
- 蛋白质组学和质谱学
- 计算生物学和生物信息学
背景情况:
- 液体色谱-质谱是生物医学研究中蛋白质组量化的一个关键技术.
- 当前的蛋白质组工作流程通常使用有限的子集来定量蛋白质,因为并非所有理论上可能的都被识别出来.
- 蛋白质量化的可靠性取决于所选的稳定性和代表性.
研究的目的:
- 在21天的时间内评估人类蛋白型的稳定性.
- 开发一种深度学习模型,能够直接从它们的三序列中预测稳定性.
- 为提供优先考虑和选择稳定的资源,以改善蛋白质组量化.
主要方法:
- 在21天内对人类蛋白型的稳定性进行实验评估.
- 开发和培训一个使用三重性序列作为输入的深度学习模型.
- 验证模型对稳定性的预测性能.
主要成果:
- 在21天的时间范围内量化人类蛋白型的稳定性.
- 从序列数据中准确预测稳定性的深度学习模型的成功训练.
- 证明该模型在选择可靠的酸用于定量蛋白质组学的实用性.
结论:
- 的稳定性是蛋白质组量化可靠性的关键因素.
- 开发的深度学习模型提供了一个计算方法来预测和选择稳定的.
- 这项工作为提高定量蛋白质组学实验的准确性和效率提供了宝贵的资源.
