菌-Kcr:一种语言模型,用于预测致病性真菌蛋白中的lysine crotonylation
Yong-Zi Chen1,2, Xiaofeng Wang3, Zhuo-Zhi Wang4
1Cancer Biobank, Tianjin Medical University Cancer Institute & Hospital, National Clinical Research Center for Cancer, Tianjin, China.
Frontiers in cellular and infection microbiology
|July 30, 2025
概括
一个新的深度学习模型,Fungi-Kcr,准确地预测了真菌蛋白中的氨酸克罗化 (Kcr) 位点. 这种计算工具有助于理解真菌病并确定治疗点.
科学领域:
- 生物化学 生物化学
- 菌类学 菌类学是指菌类学.
- 计算生物学 计算生物学
背景情况:
- 氨酸克罗托尼化 (Kcr) 是一种关键的翻译后修饰,调节病原性真菌中的生物过程.
- 由于质谱学的局限性,Kcr位点的实验识别具有挑战性.
研究的目的:
- 开发一种计算模型,用于预测真菌蛋白中的Kcr位点.
- 克服Kcr实验地点识别的局限性.
主要方法:
- 开发Fungi-Kcr,一个深度学习模型.
- 卷积神经网络 (CNN) 的集成,封闭的反复单位 (GRU) 和词嵌入.
- 使用序列依赖性进行预测.
主要成果:
- 菌-Kcr比传统的机器学习模型表现出优越的预测性能.
- 综合性评估包括十倍交叉验证和独立测试.
- 一个通用的预测模型超过了特定物种的模型.
结论:
- 菌-Kcr作为一个有价值的计算工具,用于大规模的Kcr站点识别.
- 这些发现有助于理解真菌病原性.
- 在真菌中识别新型治疗点的潜力.
