相关实验视频
Updated: Jul 13, 2025
13:00
Engineering Antiviral Agents via Surface Plasmon Resonance
Published on: June 14, 2022
2.4K
适应性学习嵌入功能,以提高SARS-CoV-2酸化部位的预测性能
Shihu Jiao1, Xiucai Ye1, Chunyan Ao2
1Department of Computer Science, University of Tsukuba, Tsukuba 3058577, Japan.
Bioinformatics (Oxford, England)
|October 17, 2023
概括
一个新的深度学习工具PSPred-ALE准确地识别了SARS-CoV-2感染人类细胞中的酸化部位. 这一进步有助于理解病毒感染机制和宿主细胞路径改变.
科学领域:
- 病毒学 病毒学
- 分子生物学分子生物学
- 生物信息学是一种生物信息学.
背景情况:
- 严重急性呼吸系统综合征冠状病毒2 (SARS-CoV-2) 传播导致全球卫生危机.
- 在SARS-CoV-2感染期间了解宿主细胞路径的改变至关重要.
- 现有的SARS-CoV-2酸化部位预测工具缺乏准确性和效率.
研究的目的:
- 分析受SARS-CoV-2感染影响的人类肺细胞中的生物功能.
- 开发一种新的深度学习预测器,用于识别SARS-CoV-2感染宿主细胞中的酸化位.
- 为了提高酸化地点预测的准确性和效率.
主要方法:
- 对感染SARS-CoV-2的A549肺上皮细胞进行了全面的生物功能分析.
- 开发PSPred-ALE,这是一个深度学习预测器,利用自适应式学习嵌入和多头注意力.
- 从蛋白质序列中提取上下文序列特征,以改善预测.
主要成果:
- 观察到宿主细胞蛋白质酸化通路的剧烈变化.
- 与现有的最先进的预测工具相比,PSPred-ALE表现优越.
- 自适应式学习嵌入功能优于手工制造的统计功能.
结论:
- PSPred-ALE有效地识别了SARS-CoV-2感染宿主细胞中的酸化部位.
- 该工具协助生物医学科学家在SARS-CoV-2感染期间阐明酸化机制.
- PSPred-ALE提供了一个强大而准确的解决方案,用于酸化部位的预测.
