研究进展：北京大学崔庆华团队-生物信息学 | Nature Computational Science

文章预览

对于个体生存和发育来说，人类必需蛋白Human essential proteins (HEPs) 是不可缺少的。然而，鉴定人类必需蛋白HEP的实验方法，通常是昂贵的、耗时的和劳动密集型的。此外，现有计算方法，仅在细胞系水平上预测人类必需蛋白HEPs，但人类必需蛋白HEPs在活细胞系和动物模型中，各不相同。 今日，北京大学Boming Kang, Rui Fan，崔庆华Qinghua Cui等，在Nature Computational Science上发文，通过微调预训练的蛋白质语言模型，开发了基于序列的深度学习模型，蛋白质重要性计算器Protein Importance Calculator (PIC)。 这种蛋白质重要性计算器PIC，不仅大大优于现有预测人类必需蛋白HEPs方法，而且还提供了三个水平的综合预测结果：人、细胞系和小鼠。 还定义了源自PIC蛋白质必需评分（Protein Essential Score），以量化人类蛋白质的重要性，并通过一系列生物学分析，验证了有效性 ………………………………