通过深度蛋白质语言模型揭示 prokaryotic 全球调节者的风景
Jianing Geng1, Jiang Wu2, Sainan Luo1,3
1State Key Laboratory of Microbial Diversity and Innovative Utilization, Institute of Microbiology, Chinese Academy of Sciences, Beijing, China.
这项研究使用深度学习框架揭示了 prokaryotes 中的全球调节器 (GR) 的庞大风景,发现了超过 270,000 种 GR 类蛋白质,并揭示了隐藏的调节多样性. 这项工作扩大了我们对微生物基因调节的理解,并为合成生物学提供了工具.
科学领域:
- 微生物学 微生物学
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
背景情况:
- 全球调节器 (GRs) 是关键的转录因子,控制微生物的基本特征,如应激反应和抗生素耐药性.
- 现有的方法难以在 prokaryotes 中识别多样化的 GR,从而限制了对它们的进化和功能的了解.
- 了解GR多样性对于微生物适应和合成生物学应用至关重要.
研究的目的:
- 系统地识别和表征全球调节器在各种各样的 prokaryotic 基因组.
- 开发和应用一个深度学习框架来检测远程GR同类和新型.
- 提供一个全面的原生生物GRs目录,以深入了解微生物基因调节和合成生物学.
主要方法:
- 一个大规模的蛋白质语言模型驱动的框架被开发用于GR识别.
- 在74,872个精选的GR序列上训练了一个深度学习模型.
- 该框架应用于14800种细菌和古生物类型菌株基因组.
主要成果:
- 确定了超过27万个GR类蛋白质,包括已知的类型的同类,假定的新型和功能不明的蛋白质.
- 深度学习模型表现出高灵敏度,发现传统方法错过的远程同类.
- 扩展的GR目录揭示了谱系特定的分布,多样化的规则和层次化的监管网络.
结论:
- 这项研究提供了迄今为止最全面的原生生物全球调节者的景观.
- 这些发现加深了我们对微生物基因调节,进化和生态学的理解.
- 已识别的GR为设计合成生物学电路提供了宝贵的资源.
更多相关视频
10:18A Fast and Reliable Pipeline for Bacterial Transcriptome Analysis Case study: Serine-dependent Gene Regulation in Streptococcus pneumoniae
Published on: April 25, 2015
07:28JUMPn: A Streamlined Application for Protein Co-Expression Clustering and Network Analysis in Proteomics
Published on: October 19, 2021
相关概念视频
Covalently Linked Protein Regulators
Covalently Linked Protein Regulators
These groups modify specific amino acids in a protein....
Global Regulatory Systems
Prokaryotic Transcriptional Activators and Repressors
Prokaryotic Transcriptional Activators and Repressors
Transcription of prokaryotic...
Translational Regulation
