抛出一个寡来捕获蛋白质:深度学习和自然语言处理选的三PSP促进骨质蛋白介导的血管化骨再生

科学领域:

• 生物技术是生物技术.
• 生物信息学是一种生物信息学.
• 再生医学是一种再生医学.

背景情况:

• 血管新生对于骨再生至关重要,但目前的细胞因子疗法面临成本和安全方面的挑战.
• 开发更安全,更有效的骨再生替代品是一个至关重要的未满足需求.
• 蛋白质的内在无序区域 (IDR) 是新型生物活性的有希望的来源.

研究的目的:

• 开发一种计算方法,从蛋白质IDR中识别亲血管性.
• 选和评估候选的潜力,以提高骨再生.
• 研究一种类在促进血管化和骨质生成方面的作用机制.

主要方法:

• 使用深度学习 (DL) 和自然语言处理 (NLP) 算法,特别是Word2vec和TF-IDF变体 (TF-IIDF).
• 从262个相关蛋白质中分析了内在失序区域 (IDR),以确定潜在的亲血管性.
• 在试验室使用内皮细胞 (ECs) 和骨髓干细胞 (BMSCs) 评估候选,并在体内使用小鼠缺陷模型进行评估.

主要成果:

• 一种三,PSP,被确定为内皮细胞血管化和BMSCs的骨质分化的强有力的刺激剂.
• PSP增强了血管-骨沟通,对于有效的骨再生至关重要.
• PSP充当了原始剂,诱导ECs释放与骨质素 (Oln) 丰富的小细胞外囊泡 (sEVs),促进骨的形成.

结论:

• 为了选生物活性,建立了一个精确和高效的复合DL和NLP模型.
• 通过增强血管生成和骨质生成,PSP显示出作为治疗骨再生的治疗剂的巨大潜力.
• 这项研究为开发用于骨再生和其他疾病的基于的疗法开辟了新的途径.