研究人员开发出可预测蛋白质-DNA结合准确性的人工智能模型

南加州大学的研究人员开发出一种新型人工智能模型，发表在《自然方法》杂志上，该模型可以准确预测不同蛋白质如何在不同类型的蛋白质中与 DNA 结合，这一技术进步有望缩短开发新药和其他医疗治疗方法所需的时间。

该工具名为“结合特异性深度预测器”(DeepPBS)，是一种几何深度学习模型，旨在根据蛋白质-DNA 复合物结构预测蛋白质-DNA 结合特异性。DeepPBS 允许科学家和研究人员将蛋白质-DNA 复合物的数据结构输入在线计算工具。

“蛋白质-DNA 复合物的结构包含通常与单个 DNA 序列结合的蛋白质。为了理解基因调控，了解蛋白质与任何 DNA 序列或基因组区域的结合特异性非常重要，”南加州大学多恩西夫文学、艺术与科学学院定量和计算生物学系教授兼创始主席 Remo Rohs 说。

“DeepPBS 是一种人工智能工具，它取代了高通量测序或结构生物学实验来揭示蛋白质-DNA 结合特异性。”

人工智能分析并预测蛋白质-DNA结构

DeepPBS 采用几何深度学习模型，这是一种使用几何结构分析数据的机器学习方法。该 AI 工具旨在捕捉蛋白质-DNA 的化学性质和几何背景，以预测结合特异性。

利用这些数据，DeepPBS 可以生成空间图，展示蛋白质结构以及蛋白质与 DNA 表征之间的关系。DeepPBS 还可以预测不同蛋白质家族的结合特异性，而许多现有方法仅限于一个蛋白质家族。

Rohs 表示：“对于研究人员来说，找到一种适用于所有蛋白质、而不局限于某个研究透彻的蛋白质家族的方法非常重要。这种方法还使我们能够设计新的蛋白质。

标签：

版权声明：本文由用户上传，如有侵权请联系删除！