基因扫描 (Kinscan):基于人工智能的快速分析,对整个基因组的活动进行分析
Rahul Brahma1, Jae-Min Shin2, Kwang-Hwi Cho1
1School of Systems Biomedical Science, Soongsil University, Seoul, Republic of Korea.
Briefings in bioinformatics
|November 20, 2023
概括
KinScan使用一种新的计算方法准确预测化合物-激酶相互作用,通过分析391种蛋白激酶来帮助癌症等疾病的药物发现.
科学领域:
- 生物化学 生物化学
- 计算生物学 计算生物学
- 药理学 药理学 是一个学科.
背景情况:
- 基因酶调节关键细胞功能,是药物发现的关键目标.
- 预测酶-化合物结合亲和力是很困难的,因为保留酶结构.
- 失调的激酶与疾病有关,特别是癌症.
研究的目的:
- 开发一种计算方法,准确预测酶化合物结合亲和力.
- 为了实现大规模的全基因组分析和选择性分析.
- 提供有关疾病相关化合物的激酶活性概况的见解.
主要方法:
- 开发了Kinscan,这是一个新的计算模型,集成大规模的生物活性数据.
- 使用多尺度上下文感知变压器框架进行虚拟配置文件.
- 采用结构一致的酶结合位点特征,这些特征来自多个序列对齐.
主要成果:
- KinScan准确地预测了391个蛋白质激酶的结合亲和力.
- 该模型显示了强大的预测能力和通用性,用于全基因组的分析.
- 确定了激酶活性概况,化合物和特定疾病之间的关联.
结论:
- KinScan为酶向药物的发现和开发提供了一个强大的工具.
- 这种方法有助于有效识别选择性激酶抑制剂.
- 有一个网页平台可用于端到端的分析和选择性分析.


