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

文章预览

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 ………………………………