ProMEP｜基于多模态深度学习的蛋白突变效应零样本预测方法

文章预览

ProMEP｜蛋白质突变效应零样本预测算法 2024年7月5日，来自王升启/舒文杰/张军/朱世强研究团队等人在Cell Research期刊上发表了一篇题为《 Zero-shot prediction of mutation effects with multimodal deep representation learning guides protein engineering 》的研究文章。文章提出了一种名为 ProMEP 的蛋白质突变效应预测方法，该方法采用多模态深度表示学习模型，在无需多序列比对的情况下，实现了蛋白质突变效应的零样本预测。研究团队详细介绍了ProMEP如何通过综合学习约1.6亿个蛋白质的序列和结构信息，显著提升了突变效应预测的准确性和速度。特别是，ProMEP在基因编辑酶TnpB和TadA的预测和工程应用中表现出色，显著提高了这些工具的基因编辑效率。研究显示，经过ProMEP指导设计的TnpB五位点突变体在RNF2位点的基因编辑效率提升至74.04%，而基于TadA 15位点突变体开发的腺嘌呤碱 ………………………………