Nature子刊：崔庆华团队开发新型AI算法，实现人类蛋白质重要性的预测分析

文章预览

编辑丨王多鱼 排版丨水成文 人类必需蛋白 （Human essential protein，HEP） 对于个体的生存和发育是必不可少的。然而，鉴定HEP的实验方法往往昂贵、耗时和劳动密集型的，例如CRISPR-Cas9基因敲除实验及基因过表达实验，且这些实验方法难以推广到 人类全蛋白质组。 因此，亟需计算方法来快速准确预测人类全部蛋白质的重要性，但 现有的计算方法只能在人源细胞系水平预测HEP，而实际上，HEP在人类、细胞系和动物模型中存在高度差异性。 这就要求我们在设计预测算法时，不仅需要提升算法的预测精度，还要需要考虑蛋白质重要性存在的变异性 。 近年来， 深度学习 （Deep Learning，DL） 和 大语言模型 （Large Language Model，LLM） 技术的快速发展，为蛋白质重要性预测提供了新思路。 2024年11月27日， 崔庆华 团队在 Nature 子刊 Nature Computational Science 上发表了 ………………………………