解码d-和l-氨基酸:通过量子道测量以数据驱动的方式识别等离子体和翻译后修饰
Sneha Mittal1, Milan Kumar Jena1, Biswarup Pathak1
1Department of Chemistry, Indian Institute of Technology (IIT) Indore, Indore, Madhya Pradesh 453552, India.
The journal of physical chemistry letters
|March 4, 2026
概括
这项研究引入了一种新的机器学习框架,结合量子道化来识别单分子级别的d-和l-氨基酸反体和翻译后修饰 (PTM),从而提高蛋白质学精度.
科学领域:
- 生物化学 生物化学
- 蛋白质组学是指蛋白质组学.
- 计算化学的计算化学
背景情况:
- 在蛋白质组学中,区分d-和l-氨基酸反体至关重要但具有挑战性.
- 目前的蛋白质组学方法缺乏精确度来解决复杂蛋白质组内的奇拉性特异性特征.
- 翻译后修改 (PTM) 进一步使单分子氨基酸分析复杂化.
研究的目的:
- 开发一种用于单分子识别d/l-氨基酸反体和各种PTMs的新方法.
- 克服现有的蛋白质组学技术在解决性和复杂修饰方面的局限性.
- 建立基于物理的模拟框架,用于精确检测氨基酸变体.
主要方法:
- 集成数据驱动的机器学习 (ML) 方法与量子道.
- 使用预先计算的量子道功能,通过决策理论ML层映射到生物化学标签.
- 选和检测d/l-异构体,异构体,甲基化,酸化和环形成.
主要成果:
- 成功展示了一种机器学习框架,用于明确复杂的单分子信号.
- 能够选和检测d/l异构体和一系列PTM,包括异构体.
- 建立一个系统的,基于物理的模拟框架,用于氨基酸变体识别.
结论:
- 开发的ML和量子道方法显著提高了蛋白质组学中单分子识别能力.
- 这种方法为实现与基因组学和转录组学相美的精度提供了一条途径.
- 通过准确识别氨基酸反体和变异,在单分子蛋白质测序方面开辟了新的前沿.
更多相关视频
11:32A Hydrogen-Deuterium Exchange Mass Spectrometry HDX-MS Platform for Investigating Peptide Biosynthetic Enzymes
Published on: May 4, 2020
8.8K
14:55Atomic Scale Structural Studies of Macromolecular Assemblies by Solid-state Nuclear Magnetic Resonance Spectroscopy
Published on: September 17, 2017
16.1K
