利用深度学习来检测粉样蛋白信号图案的蛋白质规模检测
Krzysztof Pysz1, Jakub Gałązka1,2, Witold Dyrka1
1Katedra Inżynierii Biomedycznej, Wydział Podstawowych Problemów Techniki, Politechnika Wrocławska, Wybrzeże Wyspiańskiego 27, 50-370 Wrocław, Poland.
Bioinformatics (Oxford, England)
|July 15, 2025
概括
深度学习模型在大型蛋白质数据集中有效地识别了粉样蛋白信号模式 (ASM),有助于研究免疫反应途径. 这一进步促进了跨基因组发现新型ASM的发现.
科学领域:
- 生物化学 生物化学
- 计算生物学 计算生物学
- 免疫学 免疫学 免疫学
背景情况:
- 粉样蛋白信号图案 (ASM) 采用自我复制的跨β折叠,这对生物系统中信号传导至关重要.
- 在大型蛋白质数据库中识别不同的ASM是具有挑战性的,阻碍实验研究.
- 深度学习 (DL) 在各种与蛋白质相关的计算任务中表现有前途.
研究的目的:
- 开发和比较DL模型,以准确识别大数据集中的通用ASM.
- 创建一个能够检测已知和新型ASM的歧视模型.
主要方法:
- 开发定制的双向LSTM和基于BERT的DL架构,用于ASM建模.
- 培训DL模型在不同的ASM家族和全球负集.
- 将DL模型的性能与最新的机器学习语法模型进行比较.
主要成果:
- 基于DL的模型证明了ASM的有效检测,包括远程相关的和新型的动机.
- 这些模型成功地在基因组规模上识别了ASM.
- 分析表明DL方法捕获了ASM检测的相关数据表示.
结论:
- 定制的DL架构,特别是LSTM和BERT,是识别ASM的强大工具.
- 这些模型克服了检测各种ASM的局限性,使得大规模的基因组研究成为可能.
- 开发的模型和相关资源有助于未来研究ASM在生物通路中的功能和作用.
