Nature Methods | 突破传统方法：DeepPBS模型助力蛋白质-DNA相互作用研究

文章预览

引言 蛋白质与 DNA 的结合特异性预测是一项复杂但至关重要的任务，对于理解基因调控具有重要意义。 通常情况下，蛋白质-DNA复合物会与特定的DNA靶位点结合，而蛋白质会以不同的结合特异性与多种DNA序列结合。为了捕捉这种信息，8月5日 Nature Methods 的研究报道“ Geometric deep learning of protein–DNA binding specificity ”， 开发了结合特异性深度预测器（DeepPBS），这是一种几何深度学习模型，旨在从蛋白质-DNA结构中预测结合特异性 。DeepPBS可以应用于实验或预测结构，提取残基的可解释蛋白质原子重要性评分，并通过突变实验验证这些评分。 转录因子在各种调控功能中起着关键作用，因此，了解蛋白质如何靶向特定DNA序列的机制至关重要。研究发现，结合机制包括精确的静电相互作用、脱氧核糖-苯丙氨酸堆叠、鸟嘌呤和精氨酸在大沟中的双齿氢键等。 ………………………………