对一个变体神经关系推理深度学习模型的比较研究和对p53-DNA体相互作用的动态网络分析
Haoxin Sun1, Jingbo Wei2, Yiming Tang3
1School of Mathematics and Computer Sciences, Nanchang University, Xuefu Avenue 999, Nanchang City 330031, China; Institute of Space Science and Technology, Nanchang University, Xuefu Avenue 999, Nanchang City 330031, China.
这项研究引入了一种对蛋白质全ostery进行修改的神经关系推理 (NRI) 模型,增强了对p53-DNA相互作用中的远程全osteric通路的预测,并揭示了突变诱导的通信中断.
科学领域:
- 计算生物学 计算生物学
- 结构生物学 结构生物学
- 生物物理学的生物物理.
背景情况:
- 蛋白质异质体对于生物调节至关重要,但研究起来很复杂.
- 动态网络分析和神经关系推理 (NRI) 是关键的计算方法.
- 了解全性通路对于破译蛋白质功能至关重要.
研究的目的:
- 开发和评估一个修改后的NRI模型,整合变压器的多头自我注意力,用于蛋白质.
- 将变体NRI模型与动态网络分析和初始NRI模型进行比较.
- 研究p53-DNA相互作用中的全性通路,特别是比较野生型 (WT) 和突变型 (MT) 形式.
主要方法:
- 通过将变压器的多头自我注意模块纳入NRI模型的修改.
- 对变体NRI模型,动态网络分析和初始NRI模型的比较分析.
- 应用用于研究p53和DNA之间的全性相互作用.
主要成果:
- 与动态网络分析相比,这种NRI模型在预测远程全性通路方面表现出色.
- 经过修改的NRI模型在初始NRI模型上显示出更高的准确性和全面性.
- 在WT和MT p53之间观察到不同的全性通路,与不同的DNA结合行为相关.
- 菌途径从突变部位传播到DNA,在MT p53.3中,途径显著更长.
结论:
- 修改后的NRI模型提供了对蛋白质全osteric通路的增强洞察力.
- 在p53中的突变部位损害了远程全体通信,影响了信号传输.
- 这些发现通过先进的计算方法更深入地了解了蛋白质异质.
更多相关视频
09:38Generalized Psychophysiological Interaction PPI Analysis of Memory Related Connectivity in Individuals at Genetic Risk for Alzheimer's Disease
Published on: November 14, 2017
09:47Author Spotlight: Advancing Alzheimer's Research – Exploring Early Detection and Multi-Omics Approaches
Published on: December 15, 2023
相关概念视频
Covalently Linked Protein Regulators
These groups modify specific amino acids in a protein....
Conserved Binding Sites
Binding sites are often located in large pockets, and if their location on a protein’s surface is unknown, it can be predicted using various approaches. The energetic method computationally...
Ligand Binding and Linkage
Histone Variants at the Centromere
Cooperative Allosteric Transitions
Neural Regulation
