DensePPI-2:一个生物启发的更新,用于基于序列的PPI预测,利用突变率
Tapas Chakraborty1, Debarati Paul1,2, Aanzil Akram Halsana1
1Department of Computer Science and Engineering, Jadavpur University, Kolkata, 700032, India.
一种新的深度学习模型DensePPI-2通过保存进化区域来准确识别相互作用的蛋白质对. 这一进步改善了药物设计和理解疾病机制的预测.
科学领域:
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
- 分子生物学分子生物学
背景情况:
- 蛋白与蛋白相互作用 (PPI) 是细胞过程和疾病机制的基础.
- 现有的计算方法往往将PPI简化为二进制交互,忽视进化的功能区域.
- 对PPI和相互作用部位的准确预测对于药物发现和疾病的理解至关重要.
研究的目的:
- 开发一种新的计算模型,用于识别相互作用的蛋白质对,并考虑进化保存区域.
- 为了提高预测蛋白质-蛋白质相互作用和潜在的相互作用地点的准确性.
主要方法:
- 开发了DensePPI-2,这是一个深度学习模型,使用生物启发的替代矩阵式序列编码.
- 嵌入位置感知编码以捕获氨基酸序列顺序和蛋白质折叠模式.
- 在S. cerevisiae和人类基准数据集上评估模型性能.
主要成果:
- 在S. cerevisiae数据集上,DensePPI-2获得了97.13%的AUC,超过了现有方法的1.4%.
- 该模型在人类基准数据集上表现出比最近基于序列的方法更高的性能.
- 在没有特殊培训的情况下,成功应用了DensePPI-2来识别病原体与宿主相互作用,并预测残留水平相互作用.
结论:
- 使用替代矩阵的生物灵感序列到图像颜色编码策略对PPI预测有效.
- "DensePPI-2"在准确识别相互作用的蛋白质对及其功能区域方面取得了重大进展.
- 该模型的多功能性扩展到病原体与宿主相互作用的识别和残留水平的预测,突出其在生物研究和药物开发中的潜力.
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
08:46Implementation of In Vitro Drug Resistance Assays: Maximizing the Potential for Uncovering Clinically Relevant Resistance Mechanisms
Published on: December 9, 2015
相关概念视频
Gene Evolution - Fast or Slow?
In contrast, regions which code...
Mismatch Repair
The Mutator Protein Family Plays a Key Role in DNA Mismatch Repair
The human genome has more than 3 billion base pairs of DNA per cell. Prior to cell division, that vast amount of genetic...
Point and Frameshift Mutations
Mutations in Microorganisms
Covalently Linked Protein Regulators
These groups modify specific amino acids in a protein....
Conservation of Protein Domains Over Different Proteins
A limited set of protein domains often duplicate and recombine during evolution. These domains can be organized in different combinations to...
