进化概率和堆叠回归使数据驱动的蛋白质工程能够在尽量减少实验力度的情况下实现.
Alexander-Maurice Illig1, Niklas E Siedhoff1, Mehdi D Davari2
1Institute of Biotechnology, RWTH Aachen University, Worringerweg 3, 52074 Aachen, Germany.
蛋白质工程被MERGE加速,这是一个结合直接合分析 (DCA) 和机器学习 (ML) 的新方法. 使用有限的数据,MERGE有效地预测了蛋白质适应性,优于其他方法.
科学领域:
- 生物化学 生物化学
- 计算生物学 计算生物学
- 蛋白质科学 蛋白质科学
背景情况:
- 蛋白质工程优化蛋白质特性,用于工业和学术应用,使用定向进化和理性设计.
- 有限的选吞吐量和巨大的变异可能性阻碍了高效的蛋白质工程.
- 数据驱动的策略可以通过计算来模拟蛋白质健身景观,但需要大量的训练数据.
研究的目的:
- 引入MERGE,这是一种基于数据的蛋白质工程的新方法,适用于有限的可用数据.
- 为了使蛋白质健身景观的可靠建模,即使使用小数据集 (50-500标记序列).
- 改进基于序列信息的蛋白质健康值和排名的预测.
主要方法:
- MERGE将直接合分析 (DCA) 与机器学习 (ML) 方法相结合.
- 该方法旨在在有限的培训数据下有效运行.
- 对各种蛋白质和适应性预测属性的性能进行了评估.
主要成果:
- MERGE在预测蛋白质适应性值和序列排名方面表现出强的表现.
- 该方法在小型数据集上训练时显著优于现有的最先进的方法.
- 与其他方法相比,MERGE需要更少的计算资源.
结论:
- MERGE促进了数据驱动的蛋白质工程,特别是当实验数据稀缺时.
- 这种方法对于使用有限数据集工作的蛋白质工程师来说是非常有希望的.
- 该方法为健身景观建模提供了一种高效且在计算上不那么密集的替代方案.
更多相关视频
07:08Optimization of Synthetic Proteins: Identification of Interpositional Dependencies Indicating Structurally and/or Functionally Linked Residues
Published on: July 14, 2015
06:50Author Spotlight: A Computational Approach to Decipher Amino Acid Preferences in Multispecific Protein-Protein Interactions
Published on: January 26, 2024
相关概念视频
Gene Evolution - Fast or Slow?
In contrast, regions which code...
Conservation of Protein Domains Over Different Proteins
A limited set of protein domains often duplicate and recombine during evolution. These domains can be organized in different combinations to...
Exon Recombination
Exon shuffling follows “splice frame rules.” Each exon...
Evolutionary Relationships through Genome Comparisons
Physiological Pharmacokinetic Models: Assumption with Protein Binding
Conservation of Protein Domains
