PSTP:使用蛋白质构造和语言模型嵌入的准确的残留水平相分离预测
Mofan Feng1,2, Liangjie Liu1,2, Zhuo-Ning Xian3
1Bio-X Institutes, Key Laboratory for the Genetics of Developmental and Neuropsychiatric Disorders, Shanghai Jiao Tong University, No. 1954 Huashan Road, Xuhui District, Shanghai 200030, China.
阶段分离 (PS) 预测对于理解细胞功能和疾病至关重要. 一种新的方法,PSTP,使用先进的嵌入来准确地预测仅从蛋白质序列,帮助研究突变和蛋白质行为.
科学领域:
- 生物化学 生物化学
- 计算生物学 计算生物学
- 分子生物学分子生物学
背景情况:
- 阶段分离 (PS) 对细胞过程和疾病病原发生至关重要.
- 现有的PS预测方法通常需要广泛的注释或手工制作的特征,限制了它们的适用性.
- 需要准确的,可概括的算法来从蛋白质序列中预测PS.
研究的目的:
- 开发一种新的计算工具,用于从氨基酸序列中预测蛋白质相分离 (PS).
- 为了实现准确的PS预测,而不依赖序列注释或手工制作的功能.
- 调查致病变体,内在无序区域和PS倾向之间的联系.
主要方法:
- 开发了阶段分离的转移学习预测 (PSTP) 通过结合构造和大语言模型嵌入.
- 使用蛋白质序列作为PS预测的唯一输入.
- 分析了超过16万种变异,以将致病突变与残留水平PS倾向相关联.
主要成果:
- 通过仅使用蛋白质序列,PSTP实现了最先进的PS预测准确性.
- 来自PSTP的残留水平预测与实验验证的PS区域高度相关.
- 在本质上有障碍的区域中确定了致病变体和PS倾向之间的显著关联.
结论:
- PSTP提供了一种强大而通用的工具,用于预测蛋白质相分离行为.
- 该方法促进了对PS的突变效应的分析,特别是在未保存的内在无序区域.
- PSTP的效率和可访问性 (web服务器,Python包) 支持在生物研究和疾病研究中广泛应用.
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
¹³C NMR: Distortionless Enhancement by Polarization Transfer (DEPT)
Protein Organization
The primary structure of a protein is its amino acid sequence....
