FusOn-pLM:一种通过调整速率掩盖的融合对蛋白特异性语言模型
Sophia Vincoff1, Shrey Goel2, Kseniia Kholina1
1Department of Biomedical Engineering, Duke University, Durham, NC, USA.
Nature communications
|February 7, 2025
概括
我们开发了FusOn-pLM,这是一种新型的蛋白质语言模型,其训练基于推动儿科癌症的融合基蛋白. 该工具增强了对这些具有挑战性的目标的理解,并有助于设计未来的癌症疗法.
科学领域:
- 计算生物学是一种计算生物学.
- 癌症基因组学 癌症基因组学
- 蛋白质信息学是指蛋白质信息学.
背景情况:
- 由染色体转位产生的融合基蛋白是儿科癌症的关键驱动因素.
- 这些蛋白质本质上是无序的,缺乏可用药物的口袋,这给治疗带来了重大挑战.
- 现有的蛋白质语言模型 (pLMs) 尚未专门训练融合基蛋白序列.
研究的目的:
- 开发一个专门的pLM,FusOn-pLM,用于分析融合基蛋白.
- 改进对蛋白质融合特征和功能的预测.
- 为促进融合驱动癌症的治疗发现提供工具.
主要方法:
- 策划了融合coprotein序列 (FusOn-DB) 的一个全面的数据集.
- 微调了一个pLM,使用一个带坐标排序的掩盖语言建模策略,具有动态掩盖率 (15% - 40%).
- 评估了FusOn-pLM的融合特定任务,包括局部化,点形成,疾病预测和药物耐药性突变预测.
主要成果:
- 与基线嵌入相比,FusOn-pLM在聚变特定预测任务中表现优越.
- 该模型成功预测了耐药性突变,为治疗耐药性机制提供了洞察力.
- FusOn-pLM生成了与生物相关的蛋白质表示.
结论:
- FusOn-pLM代表了在应用pLMs来对coproteins进行融合的重大进步.
- 该模型为设计针对融合驱动的儿科癌症的向治疗提供了宝贵的见解.
- 这种方法有助于制定克服治疗耐药性的策略.
更多相关视频
09:49Oncogenic Gene Fusion Detection Using Anchored Multiplex Polymerase Chain Reaction Followed by Next Generation Sequencing
Published on: July 5, 2019
9.5K
09:58Mapping the Structure-Function Relationships of Disordered Oncogenic Transcription Factors Using Transcriptomic Analysis
Published on: June 27, 2020
2.7K
