李祥春团队Patterns：Reformer深度学习工具推动RNA结合蛋白研究新突破 | CellPress对话科学家

文章预览

物质科学 Physical science Reformer是一个基于深度学习的工具，能仅通过RNA序列预测蛋白质与RNA的结合位置和强度。1月10日，天津市肿瘤医院李祥春团队在Cell Press细胞出版社旗下期刊 Patterns 上发表了一篇题为“A deep learning model for characterizing protein-RNA interactions from sequences at single-base resolution”的研究论文，介绍了Reformer的核心优势，包括无需复杂实验数据、高分辨率结合预测及发现隐藏模式。Reformer在结合预测、基序发现、基序构建与整合及突变效应预测等应用场景中表现出色，为RNA调控机制研究提供新途径，并为疾病治疗提供新思路。 ▲长按图片识别二维码阅读原文 文章亮点 创新模型： 提出名为Reformer的深度学习模型，能够从序列数据中精准预测蛋白质与RNA的结合亲和力，并以单碱基分辨率实现高精确度的预测，突破传统方法的局限性。 性能卓越： ………………………………