30倍于传统方法,中国科学院团队Transformer深度学习模型预测糖-蛋白质作用位点

30倍于传统方法,中国科学院团队Transformer深度学习模型预测糖-蛋白质作用位点

AIGC动态欢迎阅读

原标题:30倍于传统方法,中国科学院团队Transformer深度学习模型预测糖-蛋白质作用位点
关键字:糖类,蛋白质,结构,分子,蛋白
文章来源:机器之心
内容字数:0字

内容摘要:


编辑 | 萝卜皮
糖类是自然界中最丰富的有机物质,对生命至关重要。了解糖类如何在生理和病理过程中调节蛋白质,可以为解决关键的生物学问题和开发新的治疗方法提供机遇。
然而,糖类分子的多样性和复杂性,对实验识别糖-蛋白质结合以及相互作用的位点提出了挑战。
在这里,中国科学院团队开发了一种深度学习模型 DeepGlycanSite,它能够准确预测给定蛋白质结构上的糖结合位点。
DeepGlycanSite 将蛋白质的几何和进化特征融入具有 Transformer 架构的深度等变图神经网络中,其性能显著超越了之前的先进方法,并能有效预测各种糖类分子的结合位点。
结合诱变研究,DeepGlycanSite 揭示了重要 G蛋白偶联受体的鸟苷-5′-二磷酸糖识别位点。
这些发现表明 DeepGlycanSite 对于糖结合位点预测具有重要价值,并可以深入了解具有治疗重要性蛋白质的糖类调节背后的分子机制。
该研究以「Highly accurate carbohydrate-binding site prediction with DeepGlycanSite」为题,于 2024 年 6 月 17 日发


原文链接:30倍于传统方法,中国科学院团队Transformer深度学习模型预测糖-蛋白质作用位点

联系作者

文章来源:机器之心
作者微信:almosthuman2014
作者简介:专业的人工智能媒体和产业服务平台

阅读原文
© 版权声明

相关文章

暂无评论

暂无评论...