相关实验视频
Updated: Jul 5, 2025
08:52
Chemical Dimerization-Induced Protein Condensates on Telomeres
Published on: April 12, 2021
3.1K
Seq2Phase:基于语言模型的准确预测客户端蛋白质在液体-液体相分离过程中
Kazuki Miyata1, Wataru Iwasaki1,2,3,4,5,6
1Department of Biological Sciences, Graduate School of Science, The University of Tokyo, Bunkyo-ku, Tokyo 113-0032, Japan.
Bioinformatics advances
|January 11, 2024
概括
使用深度学习,Seq2Phase准确地预测液态-液态相分离 (LLPS) 客户端蛋白质. 该工具识别了新的LLPS蛋白质,进步了我们对细胞组织和疾病的理解.
科学领域:
- 生物化学 生物化学
- 分子生物学分子生物学
- 计算生物学 计算生物学
背景情况:
- 液-液相分离 (LLPS) 是形成无膜有机体的关键机制,调节细胞生理学,并与粉样蛋白形成有关.
- 参与LLPS的蛋白质被归类为支架和客户端,但从氨基酸序列中预测客户端蛋白质的计算能力尚不发达.
研究的目的:
- 开发一种准确的计算方法,用于从氨基酸序列中预测液态分离 (LLPS) 客户端蛋白质的液态分离.
- 识别新的LLPS客户端蛋白质并分析区分支架和客户端的序列特性.
主要方法:
- 利用一种深度学习技术Transformer,从氨基酸序列中提取信息丰富的特征.
- 员工监督机器学习用于LLPS客户端蛋白质的预测.
- 通过评估已知的LLPS调节器和在无膜有机体中的局部丰富,验证了预测.
主要成果:
- Seq2Phase在预测多种物种 (人类,小鼠,酵母,植物) 的LLPS客户端蛋白质方面表现出高准确性.
- 特性分析揭示了LLPS支架和客户端之间的独特序列属性,突出了当前知识的局限性.
- 该研究预测了大量尚未发现的LLPS客户端蛋白,表明该方法的广泛适用性.
结论:
- Seq2Phase是一种准确且广泛适用的工具,用于识别LLPS客户端蛋白.
- 这些发现表明存在许多尚未发现的LLPS客户端蛋白质,需要进一步研究.
- 这项工作将增强对LLPS分子基础,生理作用和疾病影响的理解.
