VenusMutHub:对小规模实验数据上的蛋白质突变效应预测者的系统评估.
Liang Zhang1,2, Hua Pang3,4, Chenghao Zhang5
1School of Physics and Astronomy & Institute of Natural Sciences, Shanghai Jiao Tong University, Shanghai National Centre for Applied Mathematics (SJTU Center), MOE-LSC, Shanghai 200240, China.
Acta pharmaceutica Sinica. B
|June 9, 2025
概括
蛋白质工程的计算模型通常使用有限的深度突变扫描 (DMS) 数据进行评估. VenusMutHub在905个小规模数据集上对23个模型进行了基准测试,为预测突变效应提供了更好的现实应用性.
科学领域:
- 蛋白质工程是一种蛋白质工程.
- 计算生物学是一种计算生物学.
- 生物化学 生物化学
背景情况:
- 计算模型对于预测蛋白质工程中的突变效应至关重要.
- 目前的评估通常依赖于使用代用读数的深度突变扫描 (DMS),这些读数可能不反映现实世界的生物化学性质.
- 高通量方法不适合许多蛋白质和工业应用,因此需要小规模的多样化数据集.
研究的目的:
- 为评估预测蛋白质突变效应的计算模型建立一个全面的基准.
- 解决缺乏适当的数据集,以评估小规模实验数据的模型性能,直接进行生化测量.
- 为选择蛋白质工程中适当的预测方法提供实际指导.
主要方法:
- 从文献和公共数据库中策划了905个小规模实验数据集,涵盖527种蛋白质.
- 包括直接生物化学测量 (稳定性,活性,结合亲和力,选择性) 的数据集,而不是替代读数.
- 评估了23个计算模型,采用基于序列,结构信息和进化方法.
主要成果:
- VenusMutHub使用直接的生化数据对计算模型性能进行了严格的评估.
- 该基准涵盖了各种蛋白质和功能性质,反映了现实的工业场景.
- 这项研究有助于更准确地评估模型,以预测由突变引起的特定功能变化.
结论:
- VenusMutHub是对蛋白质工程模型进行基准测试的重要资源.
- 在小规模数据集中的直接生化测量提供了更可靠的评估框架.
- 这种基准有助于选择有效的计算工具,用于针对性蛋白质设计和工程.
更多相关视频
08:46Implementation of In Vitro Drug Resistance Assays: Maximizing the Potential for Uncovering Clinically Relevant Resistance Mechanisms
Published on: December 9, 2015
10.5K
07:15Determining the Likelihood of Variant Pathogenicity Using Amino Acid-level Signal-to-Noise Analysis of Genetic Variation
Published on: January 16, 2019
10.9K
