文章预览
来源:DrugAI 本文 约4000字 ,建议阅读 5 分钟 在本论文中, 作者提出了一种方法,利用统计驱动的图网络仅从序列中预测蛋白质功能。 今天为大家介绍的是来自Benoit Kornmann团队的一篇论文。理解蛋白质功能对于掌握许多关键生物活动背后的复杂机制至关重要,并在医学、生物技术和药物开发等领域具有深远的影响。然而,超过两亿种蛋白质仍未被表征,计算研究主要依赖蛋白质结构信息来预测质量不一的功能注释。在此,作者提出了一种方法,利用统计驱动的图网络仅从序列中预测蛋白质功能。该方法本质上能够表征进化特征,从而定量评估执行特定功能的残基的重要性。PhiGnet不仅在性能上优于其他方法,还能够在缺乏结构信息的情况下缩小序列与功能之间的差距。研究结果表明,将深度学习应用于进化数据能够在残基层面上突出功能位点,为
………………………………