Computational Modeling for the Activation Cycle of G-proteins by G-protein-coupled Receptors
在本文中,我们调查五种不同的计算建模方法。为了进行比较,我们使用G蛋白的激活循环作为驱动示例,G蛋白调节G蛋白偶联受体(GPCR)下游的细胞信号传导事件。从现有的常微分方程(ODEs)模型开始,我们实现了G-蛋白质周期的随机Pi演算使用SPiM,作为Petri网使用细胞插画,在Kappa语言使用Cellucidate,并在生物PEPA使用生物PEPA Eclipse插件。我们还提供了一个高层次的符号抽象远离通信原语,可能是不熟悉的平均生物学家,我们展示了如何将高层次的程序转化为随机Pi演算过程和化学反应。
2010-11-02 cs.CE q-bio.QM
DeepProtein: Deep Learning Library and Benchmark for Protein Sequence Learning
Department of Computer Science ETH Zurich(计算机科学系 雪绒花大学);National Key Laboratory for Novel Software Technology, School of Computer Science Nanjing University(新型软件技术国家重点实验室 计算机科学学院 南京大学)
本研究推出面向蛋白质相关任务的深度学习库DeepProtein与配套基准,提出基于Prot-T5微调的DeepProt-T5系列模型,在多项蛋白质任务上取得优异性能,库易用且支持可复现。
2025-04-06 cs.AI cs.LG q-bio.QM
DeepConv-DTI: Prediction of drug-target interactions via deep learning with convolution on protein sequences
School of Electrical Engineering and Computer Science, Gwangju Institute of Science and Technology(光州科学技术院电气与计算机工程学院)
药物-靶点相互作用(DTI)的识别在药物发现中起着关键作用。体外和体内实验的高成本和劳动密集型性质突出了基于计算机的DTI预测方法的重要性。在几个计算模型中,传统的蛋白质描述符被证明是不够的信息,以预测准确的DTI。因此,在这项研究中,我们采用卷积神经网络(CNN)的原始蛋白质序列捕获本地残基模式参与DTI。在蛋白质序列上使用CNN,我们的模型比以前的基于蛋白质标记的模型表现得更好。此外,我们的模型在大规模预测DTI方面的表现优于之前的深度学习模型。通过检查合并的卷积结果,我们发现我们的模型可以检测蛋白质的结合位点的DTI。总之,我们的预测模型用于检测目标蛋白的局部残基模式成功地丰富了原始蛋白质序列的蛋白质特征,产生比以前的方法更好的预测结果。
2018-11-06 cs.LG q-bio.QM
A Computational Model of Protein Induced Membrane Morphology with Geodesic Curvature Driven Protein-Membrane Interface
连续或混合建模的双层膜的形态动力学诱导的嵌入蛋白质的识别和耦合的两个表面的变形的蛋白质-膜界面是必要的。在这篇文章中,我们开发了(i)一个最小的总测地曲率模型来描述这些接口,和(ii)一个数字之间的一个一个映射的两个表面之间通过每个表面的共形映射到共同的中间环。我们的工作提供了第一个计算易处理的方法来确定双层和嵌入的蛋白质之间的接口。一一映射允许两个表面的形态的方便耦合。我们将这两个新的发展整合到蛋白质-膜相互作用的能量模型中,发展了一整套耦合系统的数值方法。数值例子表明:(1)我们的方法在定位曲线的效率和鲁棒性与最小的总测地曲率高度复杂的蛋白质表面上,(2)这些接口的有用性作为膜变形的内部边界,和(3)丰富的双层表面的形态为不同的蛋白质膜接口。
2020-06-25 cond-mat.soft q-bio.QM
Deep Multi-attribute Graph Representation Learning on Protein Structures
Auburn University(奥本大学)
图作为一种数据结构近来引起了极大的关注。几何图的表示学习在分子网络、社会网络和金融网络等领域取得了巨大的成功。将蛋白质表示为图是很自然的,其中节点表示残基,边表示残基之间的成对相互作用。然而,3D蛋白质结构很少被直接作为图来研究。挑战包括:1)蛋白质是由数千个原子组成的复杂大分子,这使得它们比微分子更难建模。2)捕获蛋白质结构建模的长程成对关系仍然未被探索。3)很少有研究集中在一起学习蛋白质的不同属性。为了解决上述挑战,我们提出了一种新的图神经网络架构,将蛋白质表示为3D图,并同时预测距离几何图表示和二面角几何图表示。这提供了一个显著的优势,因为该网络打开了从序列到结构的新路径。我们在四个不同的数据集上进行了广泛的实验,并证明了所提出的方法的有效性。
2020-12-22 cs.LG q-bio.BM q-bio.QM
DeepGO: Predicting protein functions from sequence and interactions using a deep ontology-aware classifier
King Abdullah University of Science and Technology(阿卜杜拉国王科技大学)
大量的蛋白质序列通过应用新的高通量测序技术而变得可用。这些蛋白质的实验功能表征是耗时和昂贵的,并且通常仅对少数选定的模式生物进行严格的测试。计算功能预测方法已被建议来填补这一空白。蛋白质的功能使用基因本体(GO)进行分类,其中包含40,000多个类。此外,蛋白质具有多种功能,这使得功能预测成为一个大规模、多类别、多标签的问题。我们已经开发了一种新的方法来预测蛋白质的功能从序列。我们使用深度学习从蛋白质序列以及跨物种蛋白质相互作用网络中学习特征。我们的方法专门输出GO结构中的信息,并利用GO类之间的依赖关系作为背景信息来构建深度学习模型。我们使用功能注释计算评估(CAFA)建立的标准评估我们的方法,并证明了与基线方法(如BLAST)相比的显着改进,预测细胞位置的显着改进。
2017-05-15 cs.LG q-bio.GN q-bio.QM
PARCE: Protocol for Amino acid Refinement through Computational Evolution
作为结合剂的肽和蛋白质的计算机设计由于它们的低副作用和主要特异性而可用于诊断和治疗。为了选择最有希望的候选物,关键问题是了解它们与蛋白质靶标的相互作用。在这项工作中,我们提出了PARCE,一个开源的协议,通过计算进化的氨基酸细化,实现了一个先进的和有前途的方法设计的肽和蛋白质。该方案在结合剂序列中进行随机突变,然后使用分子动力学模拟对结合的构象进行采样,并通过多个评分评估蛋白质相互作用。最后,它通过应用基于结合分数的一致性标准来接受或拒绝突变。迭代该过程的目的是有效地探索新的序列与潜在的更好的亲和力对他们的目标。我们还提供了一个教程运行和再现的方法。
2020-04-27 physics.bio-ph q-bio.BM q-bio.QM
Accurate De Novo Prediction of Protein Contact Map by Ultra-Deep Learning Model
Toyota Technological Institute at Chicago(芝加哥丰田技术研究所)
近年来,蛋白质接触预测取得了令人振奋的进展,但对于没有大量同源序列的蛋白质,预测的接触仍然是低质量的,对从头结构预测不是很有用。本文提出了一种新的深度学习方法,该方法通过由两个深度残差网络形成的超深度神经网络整合进化耦合(EC)和序列保守信息来预测接触。这种深度神经网络使我们能够模拟非常复杂的序列接触关系以及长距离的相互接触相关性。我们的方法大大优于现有的接触预测方法,并导致更准确的接触辅助蛋白质折叠。在579个蛋白质的三个数据集上进行测试,我们的方法,代表性EC方法CCMpred和CASP 11获奖者MetaPSICOV的平均top L远程预测准确率分别为0.47,0.21和0.30;我们的方法,CCMpred和MetaPSICOV的平均top L/10远程准确率分别为0.77,0.47和0.59。使用我们预测的接触作为约束的从头折叠可以产生正确的折叠(即,TMscore>0.6),而使用MetaPSICOV-和CCMpred-预测的接触可以分别仅对79和62种蛋白质这样做。此外,我们的接触辅助模型比基于模板的模型具有更好的质量。使用我们预测的接触作为限制,我们可以(从头开始)折叠398个膜蛋白中的208个,TM评分>0.5。相比之下,当我们的方法的训练蛋白质被用作模板时,同源建模只能对其中的10个进行。一个有趣的发现是,即使我们没有用任何膜蛋白训练我们的预测模型,我们的方法在膜…
2016-11-27 cs.LG q-bio.BM q-bio.QM
On-the-fly Prediction of Protein Hydration Densities and Free Energies using Deep Learning
Purdue University(普渡大学);University of Basel(巴塞尔大学)
生物化学系统的热力学性质的计算通常需要使用资源密集型分子模拟方法。其中一个例子是水合位点的热力学分析,即蛋白质表面上水分子的高概率位置,其在蛋白质-配体缔合中起重要作用,因此必须纳入结合位姿和亲和力的预测中。为了取代水化位点预测中耗时的模拟,我们开发了两种不同类型的深度神经网络模型,旨在预测水化位点数据。在第一种方法中,生成网状3D图像,表示放置在规则3D网格上的某些分子探针与静态蛋白质之间的相互作用,包括结合口袋。这些分子相互作用领域映射到相应的3D图像的水化占用使用神经网络的基础上的U-Net架构。在第二种方法中,使用基于全连接层的神经网络逐点预测水合占有率和热力学。除了直接的蛋白质相互作用领域,每个网格点的环境表示使用附近的网格点的相互作用属性的球谐函数展开的时刻。构效关系分析和蛋白质-配体位姿评分的应用证明了预测的水合信息的实用性。
2020-01-07 cs.LG q-bio.BM q-bio.QM
MUFold-SS: Protein Secondary Structure Prediction Using Deep Inception-Inside-Inception Networks
University of Missouri(密苏里大学)
目的:蛋白质二级结构预测可以为蛋白质三维结构预测和蛋白质功能研究提供重要信息。深度学习已成功应用于图像分类和语音识别等各个研究领域,为显著提高二级结构预测精度提供了新的机会。虽然已经开发了几种深度学习方法用于二级结构预测,但仍有改进的空间。MUFold-SS就是为了解决这些问题而开发的。结果如下:在这里,一个非常深的神经网络,深inception-inside-inception网络(Deep 3 I),提出了蛋白质二级结构预测和软件工具,使用该网络实现。该网络有两个输入:一个蛋白质序列和PSI-BLAST生成的图谱。输出是二级结构的预测八种状态(Q8)或三种状态(Q3)。所提出的Deep 3 I不仅实现了最先进的性能,而且比其他工具运行得更快。Deep 3 I在CB 513基准测试中实现了Q3 82.8%和Q8 71.1%的准确率。
2017-09-12 cs.CV cs.NE q-bio.QM
DeepECMP: Predicting Extracellular Matrix Proteins using Deep Learning
细胞外基质(extracellular matrix,ECM)是由蛋白质和碳水化合物组成的具有结构和生化功能的网络。ECM在分化、迁移和信号传导中起重要作用。一些研究已经使用机器学习算法预测ECM蛋白,如随机森林,K-最近邻和支持向量机,但尚未使用深度学习进行探索。方法:DeepECMP是使用几个以前使用的ECM数据集,不对称欠采样和11个前馈神经网络的集成开发的。结果:DeepECMP的性能为83.6%,优于几种算法。此外,DeepECMP的管道已被证明是高效的。结论:本文是第一篇专注于利用深度学习进行ECM预测的论文。DeepECMP克服了一些限制,例如计算费用,对公众的可用性和人类物种之外的可用性
2022-02-16 cs.LG q-bio.QM
DeepQA: Improving the estimation of single protein model quality with deep belief networks
University of Missouri(密苏里大学);Informatics Institute, University of Missouri(密苏里大学信息学研究所)
通过对蛋白质模型进行排序和选择来进行蛋白质质量评估一直被认为是蛋白质三级结构预测的主要挑战之一。特别是,估计单个蛋白质模型的质量,这对于从由大多数低质量模型组成的大型模型池中选择一些好的模型非常重要,仍然是一个很大程度上未解决的问题。我们介绍了一种新的基于深度信念网络的单模型质量评估方法DeepQA,该方法利用一些从不同角度描述模型质量的精选特征,如能量,理化特征和结构信息。深度信念网络是在几个大型数据集上训练的,这些数据集包括来自蛋白质结构预测关键评估(CASP)实验的模型,几个公开可用的数据集,以及我们内部从头算方法生成的模型。我们的实验表明,与支持向量机和神经网络相比,深度信念网络在蛋白质模型质量评估问题上具有更好的性能,并且我们的方法DeepQA在CASP 11数据集上达到了最先进的性能。它还优于两个完善的方法,从从头建模方法生成的大部分低质量的模型中选择良好的离群值模型。DeepQA是蛋白质单模型质量评估和蛋白质结构预测的有用工具。DeepQA for Linux的源代码、可执行文件、文档和训练/测试数据集可在http://cactus.rnet.missouri.edu/DeepQA/上免费提供给非商业用户。
2016-07-15 cs.AI cs.LG q-bio.QM
Predicting membrane protein contacts from non-membrane proteins by deep transfer learning
Toyota Technological Institute at Chicago(芝加哥丰田技术研究所);University of Chicago(芝加哥大学);University of Hong Kong(香港大学)
膜蛋白(MP)结构的计算预测是非常具有挑战性的,部分原因是缺乏足够的解决结构的同源建模。最近,直接进化偶联分析(DCA)揭示了一些光蛋白质接触预测,因此,接触辅助折叠,但DCA是有效的,只有在一些非常大的家庭,因为它只使用在一个单一的蛋白质家族的信息。本文提出了一种深度迁移学习方法,通过从数千种非膜蛋白(non-MP)中学习接触模式和复杂的序列-接触关系,可以显著改善MP接触预测。在510个非冗余MP上进行测试,我们的深度模型(仅从非MP学习)具有最高的L/10长距离接触预测精度0.69,优于我们仅由MP训练的深度模型(0.63),并且远远优于代表性的DCA方法CCMpred(0.47)和CASP 11获奖者MetaPSICOV(0.55)。当由非MP和MP混合训练时,我们的深度模型的准确性可以进一步提高到0.72。当仅评估跨膜区域中的接触时,当分别由非MP和MP的混合、仅由非MP和仅由MP训练时,我们的方法具有最高L/10远程准确度0.62、0.57和0.53,仍然比MetaPSICOV(0.45)和CCMpred(0.40)好得多。所有这些结果表明,我们的深度模型从非MP学习到的序列-结构关系可以很好地推广到MP接触预测。改进的接触预测还导致更好的接触辅助折叠。仅使用最高预测联系人作为约束,当仅由非MP训练时,我们的深度学习方法可以折叠TMscore>0.6的510个MP中的1…
2017-04-24 cs.LG cs.NE q-bio.BM
DeepProteomics: Protein family classification using Shallow and Deep Networks
Center for Computational Engineering and Networking (CEN)(计算工程与网络中心(CEN));Amrita School of Engineering(阿姆里塔工程学院);Amrita Vishwa Vidyapeetham(阿姆里塔维什瓦维迪亚佩瑟姆大学)
关于蛋白质功能的知识是必要的,因为它给出了生物过程的清晰画面。然而,有许多蛋白质序列被发现并添加到数据库中,但缺乏功能注释。实验室实验需要花费大量的时间来注释序列。这就需要使用计算技术来根据蛋白质的功能对其进行分类。在我们的工作中,我们收集了数据从Swiss-Prot包含40433蛋白,分为30个家庭。我们将其传递到递归神经网络(RNN),长短期记忆(LSTM)和门控递归单元(GRU)模型,并通过在同一数据集上应用深度神经网络和浅层神经网络来比较它。通过这种方法,我们可以实现最高约78%的蛋白质家族分类的准确率。
2018-09-11 cs.LG cs.NE q-bio.QM
CPE-Pro: A Structure-Sensitive Deep Learning Method for Protein Representation and Origin Evaluation
East China University of Science and Technology(华东理工大学)
本文提出结构敏感的深度学习模型CPE-Pro,用于判别蛋白质结构来源,并利用Foldseek编码结构序列训练SSLM,以提升蛋白质结构表征能力。
2024-10-23 cs.CL cs.LG q-bio.BM
Geometric deep learning assists protein engineering. Opportunities and Challenges
本文探讨几何深度学习在蛋白质工程中的应用,提出统一框架整合可解释AI与结构验证,以应对序列复杂性和数据稀缺挑战,推动自主设计。
2025-06-19 q-bio.QM
DeepSymmetry : Using 3D convolutional networks for identification of tandem repeats and internal symmetries in protein structures
Inria(法国国家信息与自动化研究所);Univ. Grenoble Alpes(格勒诺布尔阿尔卑斯大学);CNRS(法国国家科学研究中心)
动机:由于结构生物学的最新进展,现在各种蛋白质的三维结构可以在常规基础上解决。其中很大一部分包含结构重复或内部对称。为了了解这些蛋白质的进化机制以及结构重复如何影响蛋白质功能,我们需要能够非常稳健地检测这些蛋白质。由于深度学习特别适合处理空间组织的数据,我们将其应用于检测具有结构重复的蛋白质。结果如下:我们提出了DeepSymmetry,这是一种基于三维(3D)卷积网络的多功能方法,可以检测蛋白质及其密度图中的结构重复。我们的方法旨在确定串联重复蛋白质,蛋白质的内部对称性,对称性的原始密度图,它们的对称顺序,以及相应的对称轴。对称轴的检测是基于学习三维矢量的六维Veronese映射,并且轴确定的中值角误差小于一度。我们展示了我们的方法的能力与串联重复的蛋白质和对称的组件的基准。例如,我们已经发现了超过10,000个假定的串联重复蛋白,这些蛋白目前不存在于RepeatsDB数据库中。可用性:该方法可在https://team.inria.fr/nano-d/software/deepsymmetry上获得。它由一个C++可执行文件和一个基于TensorFlow框架的Python代码组成,前者将分子结构转换为体积密度图,后者将DeepSymmetry模型应用于这些图。
2018-10-29 cs.LG physics.bio-ph q-bio.QM
TemPL: A Novel Deep Learning Model for Zero-Shot Prediction of Protein Stability and Activity Based on Temperature-Guided Language Modeling
本文提出 TemPL 深度学习模型,利用温度引导语言建模及大规模 OGT、ΔTm 数据实现蛋白质稳定性与活性的零样本预测,并通过对比和消融实验验证其性能优势。
2024-05-13 q-bio.QM
Comparing two deep learning sequence-based models for protein-protein interaction prediction
LS2N, Université de Nantes(南特大学LS2N实验室);JFLI, CNRS, National Institute of Informatics(法国国家科学研究中心、国立情报学研究所JFLI联合实验室);UFIP, Université de Nantes(南特大学UFIP实验室)
生物数据极其多样,复杂,但也相当稀少。深度学习方法的最新发展为复杂数据的分析提供了新的可能性。然而,很容易得到一个深度学习模型,它似乎有很好的结果,但实际上要么是过拟合的训练数据或验证数据。特别是,过拟合验证数据的事实,称为“信息泄漏”,在提出深度学习模型来预测蛋白质-蛋白质相互作用(PPI)的论文中几乎从未处理过。在这项工作中,我们比较了两个精心设计的深度学习模型,并展示了通过机器学习方法预测PPI时要避免的陷阱。我们最好的模型在非常严格的训练和测试条件下准确预测了超过78%的人类PPI。我们在这里提出的方法使我们对模型在更大数据集上扩展的能力有很强的信心。这将允许更清晰的模型,当更大的数据集可用时,而不是当前容易出现信息泄漏的模型。我们坚实的方法学基础将适用于更多的生物和整个蛋白质组网络的预测。
2019-01-15 cs.LG q-bio.QM stat.ML
Deep learning framework DNN with conditional WGAN for protein solubility prediction
蛋白质溶解性在生物催化剂和制药领域中对提高重组蛋白的产量起着至关重要的作用。蛋白质溶解度在一定程度上可以表征以重组蛋白为主要成分的生物催化剂的功能和活性。高可溶性蛋白质在生物催化过程中更有效,并且可以降低生物催化剂的成本。通过体内实验筛选蛋白质是耗时且昂贵的。文献中研究了大量的机器学习模型,但由于蛋白质溶解度数据不足,这些模型的参数都是欠定的。一种能够扩大蛋白质溶解度数据集并提高预测模型性能的数据增强算法是非常需要的,这可以缓解生物技术应用中用于开发机器学习模型的数据不足的常见问题。首先,我们实现了一种新的方法,数据增强算法,条件WGAN被用来提高预测性能的DNN蛋白质溶解度从蛋白质序列通过生成人工数据。加入条件WGAN产生的模拟数据后,$R^{2}$的预测性能比没有数据增强的$R^{2}$有了明显的提高。通过调整两种算法的超参数和组织数据集,我们得到了一个$R^{2}$值为$45.04\%$,与之前使用相同数据集的研究相比,提高了$R^{2}$约$10\%$。数据增强为机器学习模型在生物学数据上的应用打开了大门,因为机器学习模型总是无法通过小数据集进行良好的训练。
2018-11-17 q-bio.QM
Computational Assignment of Chemical Shifts for Protein Residues
快速准确地预测蛋白质结构是结构生物学、生物技术和分子生物医学领域面临的主要挑战之一。这些领域需要3D蛋白质结构,以合理设计具有改进或新特性的蛋白质。X射线晶体学是最常见的方法,即使其成功率较低,但最近基于NMR的方法已经流行起来。一般方法涉及一组用于指导结构预测的距离限制,但简单的核磁共振三重共振实验通常提供足够的结构信息来预测小蛋白质的结构。以前的利用实验数据的蛋白质折叠模拟或多或少任意地加权了实验数据和物理力场项,因此该方法通常不适用于新蛋白质。此外,由于静态或确定性的分配,需要通过NMR实验获得的化学位移的完整且接近无误差的分配。在这篇论文中,我提出了化学位移,一个模块,用于处理化学位移分配,实现在蛋白质结构测定程序Phaibrant。该模块在不丢弃数据的概率框架中处理实验数据的分配以及与物理项相比的权重。提供了NMR峰的部分归属,该模块能够改进归属,以便在蛋白质折叠中使用该归属,且偏差很小。
2013-11-13 physics.data-an q-bio.QM
Validation of an LLM-based Multi-Agent Framework for Protein Engineering in Dry Lab and Wet Lab
本研究通过五个干湿实验室案例验证了TourSynbio-Agent多智能体框架,证明其能通过对话界面自动化突变预测、蛋白质折叠与设计等复杂工作流程,并显著提升P450选择性和还原酶催化效率。
2024-11-09 q-bio.QM
Remote Homology Detection in Proteins Using Graphical Models
给定蛋白质的氨基酸序列,研究人员通常通过寻找已知结构和功能的同源或进化相关的蛋白质来推断其结构和功能。由于结构通常比长进化距离的序列更保守,因此从其序列中识别远程蛋白质同源物构成了挑战。我们首先考虑所有已知的三维结构的蛋白质,并探讨它们如何根据不同水平的同源性聚类。自动计算方法根据蛋白质的同源性程度合理地逼近人类策划的蛋白质分层组织。接下来,我们回到同源性预测,仅基于蛋白质的一维氨基酸序列。Menke、Berger和Cowen提出了一个马尔可夫随机场模型来预测β-结构蛋白的远程同源性,但他们的公式在许多β-链拓扑结构上是计算困难的。我们展示了两种不同的方法来近似这个随机场,这两种方法都使它在计算上易于处理,第一次,在所有蛋白质折叠。一种方法简化了随机场本身,而另一种方法保留了完整的随机场,但通过随机搜索近似解。这两种方法在β-结构蛋白折叠的远程同源性检测方面都实现了对现有技术的改进。
2013-04-24 cs.CE q-bio.QM
Deep Supervised and Convolutional Generative Stochastic Network for Protein Secondary Structure Prediction
Princeton University(普林斯顿大学)
蛋白质二级结构预测是蛋白质结构预测中的一个基本问题。在这里,我们提出了一个新的监督生成随机网络(GSN)的基础上的方法来预测局部二级结构与深层次的表示。GSN是最近提出的深度学习技术(Bengio & Thibodeau-Laufer,2013),用于全球训练深度生成模型。我们提出了GSN的监督扩展,它学习马尔可夫链从条件分布中采样,并将其应用于蛋白质结构预测。为了将模型扩展到全尺寸的高维数据,例如具有数百个氨基酸的蛋白质序列,我们引入了卷积架构,该架构允许在多层分层表示中进行有效学习。我们的架构独特地专注于预测结构化的低级标签,这些标签通过模型学习的低级和高级表示来通知。在我们的应用中,这对应于标记每个氨基酸残基的二级结构状态。我们在不同的非同源蛋白质组上训练和测试了该模型,这些蛋白质具有小于30%的序列同一性。我们的模型在CB 513数据集上实现了66.4%的Q8准确度,优于先前报道的最佳性能64.9%(Wang et al.,2011)对于这个具有挑战性的二级结构预测问题。
2014-03-06 cs.CE cs.LG q-bio.QM
Full Computational Reproducibility in Biological Science: Methods, Software and a Case Study in Protein Biology
科学结果的独立计算再现性在科学进步中正迅速变得至关重要,因为计算本身在科学的许多分支中发挥着越来越重要的作用。从历史上看,再现性遵循了熟悉的波普尔模型[38],即理论不能通过科学测试来验证,它只能被证伪。最后,这意味着,如果一个实验不能独立地复制到某种令人满意的精度水平,它的价值基本上是不可量化的;残酷地说,它不可能确定其科学价值。软件在大多数科学工作中的迅速出现增加了一个新的、特别不透明的复杂性层[29]。尽管最近对许多科学领域感兴趣,但重点仍然更多地放在程序,限制和讨论上[12,14,16,29,30,37,41],反映了大多数科学期刊在软件方面缺乏经验,而不是如何实际实现计算再现性的细节,对此似乎有相对较少的指导性示例[6,10,17]。在考虑基本原则后,在这里,我们展示了如何在实践中实现完整的计算再现性在每个阶段使用开放的SwissProt蛋白质数据库上的一个多千兆字节的蛋白质研究的案例研究,从数据下载一直到个人的数字复制作为一般科学计算的范例。
2016-08-24 q-bio.QM
Integrating protein sequence embeddings with structure via graph-based deep learning for single-residue property prediction
Imperial College London(帝国理工学院)
本文提出INFUSSE框架,结合大语言模型序列嵌入微调与扩散图卷积网络结构表示,用于单残基性质预测,并在抗体B因子预测中验证其优于仅基于序列或结构的方法。
2025-11-06 q-bio.QM
DRLComplex: Reconstruction of protein quaternary structures using deep reinforcement learning
University of Missouri(密苏里大学)
预测的链间残基-残基接触可用于从头开始构建蛋白质复合物的四级结构。然而,只有少数的方法已经开发出使用预测的链间接触来重建蛋白质四级结构。在这里,我们提出了一种基于深度强化学习(DRL Complex)的基于Agent的自学习方法,以链间接触作为距离约束来构建蛋白质复合物结构。我们在同源二聚体和异源二聚体蛋白质复合物的两个标准数据集上严格测试了DRL Complex(即,CASP-CAPRI同源二聚体和Std_32异源二聚体数据集)。利用真实接触作为输入,DRLComplex在两个数据集上分别实现了0.9895和0.9881的高平均TM分数以及0.2197和0.92的低平均界面RMSD(I_RMSD)。当使用预测的接触时,该方法对于同二聚体和异二聚体分别实现0.73和0.76的TM分数。我们的实验发现,重建的四级结构的准确性取决于接触预测的准确性。与其他优化方法相比,DRL Complex的性能与先进的梯度下降方法相近,优于Markov Chain Monte Carlo模拟方法和基于模拟退火的方法,验证了DRL Complex用于蛋白质复合物四级结构重构的有效性.
2022-05-26 cs.AI cs.LG q-bio.BM
Integration of Pre-trained Protein Language Models into Geometric Deep Learning Networks
Westlake University(西湖大学);Yale University(耶鲁大学);Tsinghua University(清华大学);Toyota Technological Institute at Chicago(芝加哥丰田技术学院)
本文通过将预训练蛋白质语言模型的知识集成到多种先进几何深度学习网络中,在多个蛋白质表示学习基准上实现总体20%的性能提升,证明该融合策略能显著增强模型能力并可推广至复杂任务。
2023-10-30 cs.CE cs.LG q-bio.QM
Deep Recurrent Neural Network for Protein Function Prediction from Sequence
Wyss Institute for Biologically Inspired Engineering(威斯生物启发工程研究所);School of Engineering and Applied Sciences, Harvard University(哈佛大学工程与应用科学学院);Department of Systems Biology, Harvard Medical School(哈佛医学院系统生物学系)
随着高通量生物测序变得更快更便宜,从测序中提取有用信息的需求变得越来越重要,通常受到低通量实验表征的限制。对于蛋白质,直接从其一级氨基酸序列准确预测其功能一直是一个长期存在的挑战。在这里,使用人工递归神经网络(RNN)的机器学习被应用于直接从初级序列对蛋白质功能进行分类,而无需序列比对、启发式评分或特征工程。包含长短期记忆(LSTM)单元的RNN模型在UniProt的公共注释数据集上训练,在测试的四个重要蛋白质功能的类内预测方面实现了高性能,特别是与使用序列衍生蛋白质特征的其他机器学习算法相比。RNN模型还用于具有相似功能的遗传学不同蛋白质家族的类外预测,包括CRISPR相关核酸酶、铁蛋白样铁储存和细胞色素P450家族的蛋白质。在部分未注释的UniRef100数据库上应用训练的RNN模型,不仅预测了通过现有注释验证的候选序列,而且预测了当前未注释的序列。一些RNN对铁蛋白样铁螯合功能的预测得到了实验验证,尽管它们的序列与已知的特征蛋白质以及彼此之间存在显着差异,并且无法使用流行的生物信息学方法进行预测。随着测序和实验表征数据的迅速增加,基于RNN的机器学习方法可能有助于发现和预测各种蛋白质功能的同源物。
2017-01-28 cs.LG q-bio.BM q-bio.QM
Unbiased organism-agnostic and highly sensitive signal peptide predictor with deep protein language model
CUHK(香港中文大学);Washington University(华盛顿大学);The CUHK Shenzhen Research Institute(香港中文大学深圳研究院);Georgia Institute of Technology(佐治亚理工学院);Shanghai Artificial Intelligence Laboratory(上海人工智能实验室);Massachusetts Institute of Technology(麻省理工学院);Harvard University(哈佛大学);Broad Institute of MIT and Harvard(麻省理工学院-哈佛大学博德研究所)
针对传统实验鉴定信号肽效率低、现有计算方法受物种限制且数据不平衡的问题,本研究提出基于蛋白质语言模型的USPNet,结合标签分布感知边距损失与进化信息,实现无偏跨物种的高灵敏度信号肽分类与切割位点预测。
2023-12-14 cs.AI q-bio.QM
Deep Learning Methods for Protein Family Classification on PDB Sequencing Data
Brown University(布朗大学)
蛋白质由影响其折叠方式并因此决定其功能和特征的氨基酸链组成,是一类在主要生物过程中发挥核心作用的大分子,并且是身体组织的结构、功能和调节所必需的。了解蛋白质功能对于治疗学和精准医学的发展至关重要,因此基于可测量特征对蛋白质及其功能进行分类的能力至关重要;实际上,从蛋白质的氨基酸序列(称为其一级结构)自动推断蛋白质的性质,仍然是生物信息学领域内的一个重要的未决问题,特别是考虑到测序技术的最新进展和大量已知但未分类的具有未知性质的蛋白质。在这项工作中,我们展示并比较了几种深度学习框架的性能,包括新型双向LSTM和卷积模型,以及来自结构生物信息学研究合作实验室(RCSB)蛋白质数据库(PDB)的广泛可用的测序数据,并将这种性能与经典的机器学习方法进行基准测试,包括k-最近邻和多项式回归分类器,用实验数据训练我们的研究结果表明,我们的深度学习模型提供了优于经典机器学习方法的性能,卷积架构提供了最令人印象深刻的推理性能。
2022-07-14 cs.LG q-bio.GN q-bio.QM
DANCE: Deep Learning-Assisted Analysis of Protein Sequences Using Chaos Enhanced Kaleidoscopic Images
Georgia State University(佐治亚州立大学);Columbia University(哥伦比亚大学);Lahore University of Management Sciences(拉合尔管理科学大学)
针对TCR序列较短、难以高效表示的问题,本文提出DANCE,利用CGR万花筒图像编码蛋白质序列,并用深度视觉模型按靶标癌细胞分类TCR。
2025-06-11 cs.LG q-bio.QM
Using Deep Convolutional Neural Networks to Circumvent Morphological Feature Specification when Classifying Subvisible Protein Aggregates from Micro-Flow Images
流动成像显微镜(Flow Imaging Microscopy,简称FCM)通常用于学术界和工业界,以表征蛋白质治疗剂中的不溶性颗粒(尺寸为$\le 25 μm$的颗粒)。制药公司被要求记录关于蛋白质治疗产品的大量数据,但仅根据美国FDA法规(即,USP $\big \langle 788 \big \rangle$),以控制交付产品中超过$10$和$25 μm$的颗粒数量。因此,大量的数字图像可用于分析。目前最先进的方法依赖于一个相对低维的“形态特征”来表征颗粒,但这些方法忽略了大量的信息编码在现有的大型数字图像库。深度卷积神经网络(CNN或“ConvNets”)已经证明了从原始宏观图像数据中提取预测信息的能力,而不需要在各种任务中选择或指定“形态特征”。然而,蛋白质治疗剂的异质性、多分散性以及与亚可见光粒子测量相关的光学现象,给CNN在图像分析中的应用带来了新的挑战。在这篇文章中,我们展示了一种监督学习技术,利用CNN从原始图像中提取信息,以预测过程条件或应力状态(冻融,机械振动等)。产生了各种不同的蛋白质图像。我们证明,我们的新分类器(结合样本“图像池”策略)可以获得几乎完美的预测,使用少至20个图像从一个给定的蛋白质配方在各种情况下的相关蛋白质治疗质量控制和过程监控。
2017-09-01 q-bio.QM
SESNet: sequence-structure feature-integrated deep learning method for data-efficient protein engineering
Shanghai Jiao Tong University(上海交通大学);Shanghai Artificial Intelligence Laboratory(上海人工智能实验室);East China University of Science and Technology(华东理工大学)
本文提出 SESNet 深度学习模型,通过整合序列和结构信息及注意力机制预测蛋白质突变体适应性,并提出利用无监督数据预训练的数据增强策略,在少量实验数据下实现高阶突变体的高精度预测。
2022-12-29 cs.LG q-bio.QM
Deep learning for extracting protein-protein interactions from biomedical literature
National Center for Biotechnology Information(国家生物技术信息中心);National Library of Medicine(国家医学图书馆);National Institutes of Health(国立卫生研究院)
用于蛋白质-蛋白质相互作用(PPI)提取的最新方法主要是通过利用词汇和句法信息的基于特征或基于核的方法。但是如何将这些知识融入到最近的深度学习方法中仍然是一个悬而未决的问题。本文提出了一种基于多通道依赖性的卷积神经网络模型(McDepCNN)。它将一个通道应用于句子中每个单词的嵌入向量,另一个通道应用于相应单词的头部的嵌入向量。因此,该模型可以使用从不同渠道获得的更丰富的信息。在两个公共基准数据集AIMed和BioInfer上的实验表明,McDepCNN与最先进的基于丰富特征和单核的方法相比毫不逊色。此外,McDepCNN在跨语料库评估方面的F1分数比最先进的方法提高了24.4%,在“困难”实例上的F1分数比基于内核的方法提高了12%。这些结果表明,McDepCNN更容易在不同的语料库中推广,并且能够捕获句子中的长距离特征。
2017-06-07 cs.CL cs.LG q-bio.QM
Deep Learning Model for Amyloidogenicity Prediction using a Pre-trained Protein LLM
本文提出利用预训练蛋白质大语言模型提取序列上下文特征,并结合双向 LSTM 和 GRU 预测肽与蛋白质中的淀粉样变性区域,在交叉验证和测试集上分别取得 84.5% 和 83% 的准确率,展示了大语言模型在该任务中的潜力。
2025-08-18 cs.AI cs.LG q-bio.QM
WideDTA: prediction of drug-target binding affinity
Bogazici University(博阿齐奇大学)
动机:预测蛋白质和化合物之间的相互作用亲和力是药物发现过程中的一个主要挑战。WideDTA是一种基于深度学习的预测模型,采用化学和生物文本序列信息来预测结合亲和力。结果如下:WideDTA使用四个基于文本的信息源,即蛋白质序列、配体SMILES、蛋白质结构域和基序以及最大共同子结构词来预测结合亲和力。WideDTA在KIBA数据集上的表现优于最先进的药物-靶标结合亲和力预测深度学习方法之一DeepDTA,具有统计学显著性。这表明WideDTA采用的基于单词的序列表示是深度学习模型中基于字符的序列表示方法的一种有前途的替代方法,用于结合亲和力预测,例如DeepDTA中使用的方法。此外,结果表明,给定蛋白质序列和配体SMILES,包含蛋白质结构域和基序信息以及配体最大共同子结构词并不能为深度学习模型提供额外的有用信息。然而,有趣的是,仅使用结构域和基序信息来表示蛋白质获得了与使用完整蛋白质序列相似的性能,这表明重要的结合相关信息包含在蛋白质基序和结构域中。
2019-02-04 cs.LG q-bio.QM stat.ML
DeepRHP: A Hybrid Variational Autoencoder for Designing Random Heteropolymers as Protein Mimics
DeepRHP: A Hybrid Variational Autoencoder for Designing Random Heteropolymers as Protein Mimics(DeepRHP:一种用于设计随机杂合聚合物作为蛋白质模拟物的混合变分自编码器)
提出混合变分自编码器DeepRHP,在半监督框架下结合特征VAE与经典VAE,通过潜在空间捕获关键化学特征与序列模式,指导随机异聚合物设计,实验验证其稳定膜蛋白的有效性。
2026-06-11 cs.LG q-bio.QM stat.AP
Deep Contextual Learners for Protein Networks
Harvard University(哈佛大学);Broad Institute of MIT and Harvard(麻省理工学院和哈佛大学博德研究所);Harvard Data Science(哈佛数据科学研究院)
空间背景是理解健康和疾病的核心。然而,参考蛋白质相互作用网络缺乏这种情境化,从而限制了蛋白质相互作用可能在人体中发生的位置以及它们在疾病中如何改变的研究。情境化的蛋白质相互作用可以更好地表征具有疾病特异性相互作用的基因,并阐明疾病在特定细胞类型中的表现。在这里,我们介绍AWARE,一种将细胞和组织背景注入蛋白质嵌入的图形神经消息传递方法。AWARE优化了多尺度嵌入空间,其结构反映了单细胞分辨率的网络拓扑结构。我们构建了一个多尺度的人类细胞图谱网络,并应用AWARE来学习支持细胞类型和组织层次的蛋白质、细胞类型和组织嵌入。我们证明了AWARE在预测蛋白质是否在疾病中发生改变以及这种关联最有可能在人体中表现出来的新任务上的实用性。为此,AWARE比没有上下文信息的通用嵌入至少高出12.5%,这表明AWARE有潜力揭示蛋白质在疾病中的上下文依赖作用。
2021-07-16 cs.LG q-bio.MN q-bio.QM
XAI-Driven Deep Learning for Protein Sequence Functional Group Classification
Manipal Institute of Technology, Manipal, India(Manipal理工学院,印度Manipal)
针对蛋白质序列功能基团分类问题,提出基于深度学习的框架,实现四种模型并采用k-mer编码训练,CNN获91.8%最高验证准确率,结合XAI技术识别出生物学相关基序,弥合预测准确性与生物学可解释性的差距。
2025-11-16 cs.AI cs.LG q-bio.QM
AFP-CKSAAP: Prediction of Antifreeze Proteins Using Composition of k-Spaced Amino Acid Pairs with Deep Neural Network
Chosun University(朝鲜大学)
抗冻蛋白(AFP)是极寒环境下生物所必需的冰结合蛋白。这些蛋白质与冰晶结合,阻止它们生长成可能造成物理损害的大冰格。在许多生物体中发现了各种各样的AFP,并且由于序列特征的异质性,发现AFP表现出高度的多样性,这使得它们的预测成为一项具有挑战性的任务。在这里,我们提出了一个机器学习框架来处理这个充满活力和多样性的预测问题,通过k-间隔氨基酸对的组合使用流形学习。我们提出使用具有跳过连接和ReLU非线性的深度神经网络来学习蛋白质序列描述符和类标签的非线性映射。所提出的抗冻蛋白预测方法AFP-CKSAAP已被证明优于当代方法,在标准数据集上获得了优异的预测分数。在这项研究中,所提出的方法的性能的主要评价者是Youden指数,其高值取决于灵敏度和特异性。特别是,AFP-CKSAAP在独立数据集上产生的Youden指数值为0.82,优于以前的方法。
2019-09-11 cs.LG q-bio.QM stat.ML
Protein Circuit Tracing via Cross-layer Transcoders
School of Electrical;Computer Engineering, Georgia Institute of Technology, Atltanta, GA
本文提出ProtoMech框架,利用跨层转编码器发现蛋白质语言模型中的计算电路,实现高精度蛋白质设计。
2026-05-13 cs.LG q-bio.QM
Proteomics Analysis of FLT3-ITD Mutation in Acute Myeloid Leukemia Using Deep Learning Neural Network
University of Texas Health Science Center at Houston(德克萨斯大学休斯顿健康科学中心)
深度学习可以显著有益于癌症蛋白质组学和基因组学。在这项研究中,我们试图确定一组与新诊断的急性髓性白血病患者FLT 3-ITD突变相关的关键蛋白质。一种深度学习网络,由形成分层模型的自动编码器组成,从该模型中提取高级特征,而无需标记训练数据。降维将关键蛋白质的数量从231减少到20。深度学习发现FLT 3-ITD突变与这20种关键蛋白质的水平之间存在良好的相关性(准确性97%,灵敏度90%,特异性100%)。我们的深度学习网络可以研究20种与FLT 3-ITD相关性最强的蛋白质。这项研究的结果允许一种新的方法来确定FLT 3-ITD突变中的关键蛋白质通路,并为癌症蛋白质组学和基因组学中大数据建模的准确方法提供概念验证。
2017-12-29 cs.LG q-bio.QM stat.ML