港中文李煜团队开发基于蛋白质语言模型和向量比对的超快速同源序列检索方法DHR

主要观点总结

本文介绍了蛋白质同源序列检测的重要性及挑战，香港中文大学李煜团队研发的无需对齐、超快速且高度灵敏的方法DHR（Dense Homolog Retrieval）在海量数据中检测低相似度同源序列的应用。该方法能大幅提高检测速度和灵敏度，并在蛋白质进化、结构和功能研究中有广泛应用。研究已在《自然-生物技术》杂志上发表。

关键观点总结

关键观点1: 研究背景

介绍蛋白质同源序列检测的重要性、计算生物学中的应用以及面临的挑战。

关键观点2: 方法介绍

介绍香港中文大学李煜团队研发的DHR方法，其基于蛋白质语言模型和向量比对，无需对齐，可超快速且灵敏地检测低相似度同源序列。

关键观点3: 研究结果与展望

介绍DHR方法相比传统方法的优势，包括大幅提高的速度和灵敏度，以及其在蛋白质进化、结构和功能研究中的应用。

关键观点4: 作者简介与版权声明

介绍研究团队的背景，包括李煜团队以及共同通讯作者和共同第一作者的信息。同时提醒读者尊重版权，未经授权不得转载。

文章预览

研究背景       蛋白质同源序列检测是计算生物学中几乎所有序列相关研究的基础，也常常是进化分析、生物标志物预测和药物发现的首要步骤。随着下一代测序技术给生物序列数据库带来显著数量增长，传统的蛋白质同源序列搜索方法难以平衡速度和灵敏度，往往难以发现低相似度同源，要么在过滤阶段就发生了丢失，要么就依赖耗时的序列对齐。       为处理海量的序列数据，基于蛋白质语言模型和向量比对，香港中文大学李煜团队研发了一种无需对齐，超快速且高度灵敏的方法DHR(Dense Homolog Retrieval)，用于在海量数据中检测低相似度同源序列，并提高我们对蛋白质进化、结构和功能的认识。 研究结果与展望       就像ChatGPT能够有效处理人类语言一样，在大量序列数据集上预训练的蛋白质语言模型也拥有捕捉进化信息的能力，并且无需进行 ………………………………