基于3D结构和图形神经网络的IL-6诱导预测
Ruifen Cao1, Qiangsheng Li1, Pijing Wei2
1Information Materials and Intelligent Sensing Laboratory of Anhui Province, School of Computer Science and Technology, Anhui University, Hefei 230601, China.
Biomolecules
|January 25, 2025
概括
我们开发了DGIL-6,一种使用3D结构和图形神经网络来预测诱导IL-6 (IL-6) 的新方法,用于改进诊断和治疗.
科学领域:
- 计算生物学是一种计算生物学.
- 免疫学 免疫学 免疫学
- 生物化学 生物化学
背景情况:
- 洲际蛋白-6 (IL-6) 是免疫和新陈代谢中的关键糖蛋白,其表达与疾病严重程度有关.
- 诱导IL-6的对于开发免疫疗法和诊断生物标志物至关重要.
- 目前的预测方法缺乏3D结构信息,依赖于先前的知识.
研究的目的:
- 提出一种新的方法,DGIL-6,用于预测IL-6诱导.
- 整合3D结构信息和图形神经网络,以提高预测准确度.
- 解决现有的机器学习方法的局限性.
主要方法:
- 以氨基酸为节点的图形表示序列.
- 使用对邻近矩阵的预测残留接触图.
- 使用ESM-1b进行氨基酸特征提取.
- 应用双通道图形注意网络 (GAT) 和图形卷积网络 (GCN) 方法.
主要成果:
- DGIL-6有效地整合了3D结构数据和图形神经网络.
- 双通道GAT-GCN方法捕获节点权重和信息更新.
- 实验验证,包括交叉验证和独立测试,证实了该方法的有效性.
结论:
- 在预测IL-6诱导方面,DGIL-6提供了显著的进步.
- 整合3D结构信息对于功能性预测至关重要.
- 这种方法对未来的免疫疗法和生物标志物开发具有前景.


