预MLS:基于ClusterCentroids的低样本技术,用于预测多个氨酸位
Yun Zuo1, Xingze Fang1, Jiayong Wan1
1School of Artificial Intelligence and Computer Science, Jiangnan University, Wuxi, China.
PLoS computational biology
|October 22, 2024
概括
这项研究引入了一种新的计算方法,用于预测多个同时发生的翻译后氨酸修饰 (K-PTMs). 开发的模型准确地识别了这些复杂的修改,有助于生物研究和药物发现.
科学领域:
- 生物化学 生物化学
- 计算生物学 计算生物学
- 蛋白质组学是指蛋白质组学
背景情况:
- 氨酸残留物的翻译后修饰 (PTM) 对蛋白质功能和生理过程至关重要.
- 现有的研究往往侧重于单 lysine PTMs,忽视并发修改,导致数据不平衡问题.
研究的目的:
- 开发一种分类系统,用于预测单个氨酸残留物的并发多重修饰.
- 为了应对在预测多个氨酸PTM时的阶级失衡的挑战.
主要方法:
- 使用多标签位置特定的三元氨基酸倾向算法进行特征编码.
- 介绍了PreMLS,这是一个新的下面采样算法 (基于MiniBatchKmeans的ClusterCentroids) 来处理类不平衡.
- 构建了一个卷积神经网络用于生物序列分析,以预测多个氨酸修饰位.
主要成果:
- 开发的卷积神经网络模型在预测多个氨酸修饰位点方面明显优于现有方法 (iMul-kSite,predML-Site).
- 该模型通过五次交叉验证和独立测试证明了高准确性.
- 为提高可访问性,创建了一个开放式访问预测脚本.
结论:
- 这项研究提供了一种有价值的工具,可以为进一步的生物测定优先考虑潜在的氨酸修饰部位.
- 这些发现促进了对复杂PTM的理解,并支持了药物开发工作.
- 准确预测并发的K-PTM对于全面的生物研究至关重要.
更多相关视频
12:49Quantification of Site-specific Protein Lysine Acetylation and Succinylation Stoichiometry Using Data-independent Acquisition Mass Spectrometry
Published on: April 4, 2018
11.5K
11:40Characterization of Neuronal Lysosome Interactome with Proximity Labeling Proteomics
Published on: June 23, 2022
2.4K
