蛋白质功能预测新SOTA，上海理工、牛津等基于统计的AI方法，登Nature子刊

文章预览

将 ScienceAI   设为 星标 第一时间掌握 新鲜的 AI for Science 资讯 编辑 | KX 蛋白质与其他分子相结合，促进几乎所有的基础生物活动。因此，了解蛋白质功能对于理解健康、疾病、进化和分子水平上的生物体功能至关重要。 然而，超过 2 亿种蛋白质仍未得到表征，计算方法在很大程度上依赖于蛋白质的结构信息来预测不同质量的注释。 近日，来自牛津大学、苏黎世联邦理工学院、上海理工大学和北京师范大学组成的研究团队， 设计了一种基于统计的图网络方法，称为 PhiGnet，从而促进蛋白质的功能注释和功能位点的识别。 PhiGnet 不仅在性能上优于其它方法， 而且即使在没有结构信息的情况下也缩小了序列-功能差距。研究结果表明，将深度学习应用于进化数据可以突出残基级别的功能位点，为解释和研究生物医学中蛋白质的现有特性和新功能提供宝 ………………………………